百度AI接口调用

创建应用

登录网站

登录www.ai.baidu.com

进入控制台

进入语音技术

创建应用

管理应用

技术文档

SDK开发文档

接口能力

版本更新记录

注意事项

目前本SDK的功能同REST API，需要联网调用http接口 。REST API 仅支持最多512字（1024 字节)的音频合成，合成的文件格式为mp3。没有其他额外功能。 如果需要使用离线合成等其它功能，请使用Android或者iOS 合成 SDK

请严格按照文档里描述的参数进行开发。请注意以下几个问题：

1. 合成文本长度必须小于1024字节，如果本文长度较长，可以采用多次请求的方式。切忌文本长度超过限制。
2. 新创建语音合成应用不限制每日调用量，但有QPS限额。详细限额数据可在控制台中查看。完成个人实名认证及企业认证可提高QPS限额。若需更大QPS可进一步商务合作咨询。
3. 必填字段中，严格按照文档描述中内容填写。

支持Python版本：2.7.+ ,3.+

安装使用Python SDK有如下方式：

• 如果已安装pip，执行pip install baidu-aip即可。

语音合成

新建AipSpeech

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 就是我们之前创建应用的那些信息

在上面代码中，常量APP_ID在百度云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看。

请求说明

result  = client.synthesis('你好百度', 'zh', 1, {
    'vol': 5,
})

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

更多请求参数

返回样例

// 成功返回二进制文件流
// 失败返回
{
    "err_no":500,
    "err_msg":"notsupport.",
    "sn":"abcdefgh",
    "idx":1
}

错误信息返回

若请求错误，服务器将返回的JSON文本包含以下参数：

• error_code：错误码。
• error_msg：错误描述信息，帮助理解和解决发生的错误。

错误码

实战演示

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '16815805'
API_KEY = 'G7dSyQYqyr3SrWO71rjivtuh'
SECRET_KEY = 'NYfwjHWjRgGk8Rf2wP2bXoW7sW15ucmK'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result  = client.synthesis('先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。', 'zh', 1, {
    'vol': 5,   # 更多参数查看pythonSDK文档
})

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('出师表.mp3', 'wb') as f:
        f.write(result)

# 在本地生成一个mp3格式的语音文件

语音识别

语音格式转换工具：

链接：https://pan.baidu.com/s/1pfjXvJsANzjGvnn-cmVZMg
提取码：t0mc

# 将m4a格式的音频文件转换为pcm格式
# 配置完ffmpeg需要重启pycharm重新加载环境变量,环境变量不能有中文,pycharm不能识别中文路径

代码演示

import os
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '16815805'
API_KEY = 'G7dSyQYqyr3SrWO71rjivtuh'
SECRET_KEY = 'NYfwjHWjRgGk8Rf2wP2bXoW7sW15ucmK'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):
    # 将m4a格式的音频文件转换为pcm格式
    # 配置完ffmpeg需要重启pycharm重新加载环境变量,环境变量不能有中文,pycharm不能识别中文路径
    cmd_str = f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm"
    os.system(cmd_str)  # 在cmd运行上面的命令
    with open(f"{filePath}.pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
res = client.asr(get_file_content('录音.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

# 将语音识别成文本
print(res.get("result")[0])

短文本相似度

自然语言处理—短文本相似度

新建AipNlp

from aip import AipNlp

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipNlp(APP_ID, API_KEY, SECRET_KEY)

短文本相似度接口用来判断两个文本的相似度得分。

text1 = "浙富股份"

text2 = "万事通自考网"

""" 调用短文本相似度 """
client.simnet(text1, text2);

""" 如果有可选参数 """
options = {}
options["model"] = "CNN"

""" 带参数调用短文本相似度 """
client.simnet(text1, text2, options)

请求参数

返回数据参数

代码演示

结合语音识别,判断两条数据的相似度

import os
from aip import AipSpeech,AipNlp # 短文本相似度

""" 你的 APPID AK SK """
APP_ID = '16815805'
API_KEY = 'G7dSyQYqyr3SrWO71rjivtuh'
SECRET_KEY = 'NYfwjHWjRgGk8Rf2wP2bXoW7sW15ucmK'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
NLP_client = AipNlp(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):
    cmd_str = f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm"
    os.system(cmd_str)
    with open(f"{filePath}.pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
res = client.asr(get_file_content('录音.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

# 将语音识别成文本
Q = res.get("result")[0]

# 将两个文本进行对比
sim = NLP_client.simnet(Q,"你好").get("score")  # {'log_id': 5728331156191316048, 'texts': {'text_2': '你好', 'text_1': '好'}, 'score': 0.614362}
print(sim)