注意事项
科大讯飞语音转写 API 文档链接: /doc/asr/lfasr/API.html.
科大讯飞语音转写Python3的demo下载链接：http://xfyun-doc./1564736425808301/weblfasr_python3_demo.zip
上一篇写了用百度智能云进行音频文件转写的博客，但是那个效果啊，有点惨不忍睹，至少我的识别结果是这样。然后转而使用了一下科大讯飞的，想着科大讯飞专门做语音相关的这一块，应该会好些。语音转写的Python3的demo代码确实很不错，函数接口很简洁，本文代码都是这个demo里面的。识别准确率还是可以的，而且不需要像百度那样整点才开始识别，很快就返回了识别结果。
如果你的录音是不止一个人，而是像电话录音那种，想把转写结果中不同人说的话分离出来，请按照下面这样添加预处理参数（demo中默认是没有添加这儿最后两个参数的，不添加的话，默认是不进行角色分离的）：
这样的话，转写结果的speaker的值就不全是0了，而是根据不同的人对转写结果进行分离：
操作系统：Windows
Python：3.6
可用时长： 免费用户时长5小时，且用且珍惜。
音频属性： 采样率16k或8k、位长8bits或16bits、单声道&多声道
音频格式： wav/flac/opus/m4a/mp3
音频大小： 不超过500M
音频时长： 不超过5小时，建议5分钟以上
语言种类： 中文普通话、英文
转写结果保存时长 30天。（同一通录音不需要重新上传识别，如果你已经上传识别过了，之后只需要使用api.get_result_request(taskid)的方式即可再次获取识别结果，taskid是你第一次上传录音时给你分配的任务ID，避免重复上传浪费可用时长）
APP_ID, SECRET_KEY的获取
讯飞的好像不需要API_KEY，开放授权的方式和其他大厂的类似：
1、页面右上方“控制台”点击进入，登录讯飞账号（没有就注册一个），进入讯飞开放平台。
2、左侧导航栏上方，依次选择 语音识别->语音转写->离线语音转写识别。
3、服务申请。点击“创建应用”，“接口选择”已默认勾选完成，如无其他需求，无需勾选，完成其他资料后，点击最下方“立即创建”按钮。自己可以手动领取5小时免费试用体验包。
4、应用成功则页面显示“创建完毕”，点击”返回应用列表”， 查看新创建应用详情，在服务接口认证信息窗口就可以看到返回的AppID，SecretKey。
话不多说，直接上代码了
# -*- coding: utf-8 -*-# # author: yanmeng2# # 非实时转写调用demoimport base64import hashlibimport hmacimport jsonimport osimport timeimport requestslfasr_host = '/api'# 请求的接口名api_prepare = '/prepare'api_upload = '/upload'api_merge = '/merge'api_get_progress = '/getProgress'api_get_result = '/getResult'# 文件分片大小10Mfile_piece_sice = 10485760# ——————————————————转写可配置参数————————————————# 参数可在官网界面（/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html）查看，根据需求可自行在gene_params方法里添加修改# 转写类型lfasr_type = 0# 是否开启分词has_participle = 'false'has_seperate = 'true'# 多候选词个数max_alternatives = 0# 子用户标识suid = ''class SliceIdGenerator:"""slice id生成器"""def __init__(self):self.__ch = 'aaaaaaaaa`'def getNextSliceId(self):ch = self.__chj = len(ch) - 1while j >= 0:cj = ch[j]if cj != 'z':ch = ch[:j] + chr(ord(cj) + 1) + ch[j + 1:]breakelse:ch = ch[:j] + 'a' + ch[j + 1:]j = j - 1self.__ch = chreturn self.__chclass RequestApi(object):def __init__(self, appid, secret_key, upload_file_path):self.appid = appidself.secret_key = secret_keyself.upload_file_path = upload_file_path# 根据不同的apiname生成不同的参数,本示例中未使用全部参数您可在官网(/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html)查看后选择适合业务场景的进行更换def gene_params(self, apiname, taskid=None, slice_id=None):appid = self.appidsecret_key = self.secret_keyupload_file_path = self.upload_file_pathts = str(int(time.time()))m2 = hashlib.md5()m2.update((appid + ts).encode('utf-8'))md5 = m2.hexdigest()md5 = bytes(md5, encoding='utf-8')# 以secret_key为key, 上面的md5为msg， 使用hashlib.sha1加密结果为signasigna = hmac.new(secret_key.encode('utf-8'), md5, hashlib.sha1).digest()signa = base64.b64encode(signa)signa = str(signa, 'utf-8')file_len = os.path.getsize(upload_file_path)file_name = os.path.basename(upload_file_path)param_dict = {}if apiname == api_prepare:# slice_num是指分片数量，如果您使用的音频都是较短音频也可以不分片，直接将slice_num指定为1即可slice_num = int(file_len / file_piece_sice) + (0 if (file_len % file_piece_sice == 0) else 1)param_dict['app_id'] = appidparam_dict['signa'] = signaparam_dict['ts'] = tsparam_dict['file_len'] = str(file_len)param_dict['file_name'] = file_nameparam_dict['slice_num'] = str(slice_num)elif apiname == api_upload:param_dict['app_id'] = appidparam_dict['signa'] = signaparam_dict['ts'] = tsparam_dict['task_id'] = taskidparam_dict['slice_id'] = slice_idelif apiname == api_merge:param_dict['app_id'] = appidparam_dict['signa'] = signaparam_dict['ts'] = tsparam_dict['task_id'] = taskidparam_dict['file_name'] = file_nameelif apiname == api_get_progress or apiname == api_get_result:param_dict['app_id'] = appidparam_dict['signa'] = signaparam_dict['ts'] = tsparam_dict['task_id'] = taskidreturn param_dict# 请求和结果解析，结果中各个字段的含义可参考：/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.htmldef gene_request(self, apiname, data, files=None, headers=None):response = requests.post(lfasr_host + apiname, data=data, files=files, headers=headers)result = json.loads(response.text)if result["ok"] == 0:print("{} success:".format(apiname) + str(result))return resultelse:print("{} error:".format(apiname) + str(result))exit(0)return result# 预处理def prepare_request(self):return self.gene_request(apiname=api_prepare,data=self.gene_params(api_prepare))# 上传def upload_request(self, taskid, upload_file_path):file_object = open(upload_file_path, 'rb')try:index = 1sig = SliceIdGenerator()while True:content = file_object.read(file_piece_sice)if not content or len(content) == 0:breakfiles = {"filename": self.gene_params(api_upload).get("slice_id"),"content": content}response = self.gene_request(api_upload,data=self.gene_params(api_upload, taskid=taskid,slice_id=sig.getNextSliceId()),files=files)if response.get('ok') != 0:# 上传分片失败print('upload slice fail, response: ' + str(response))return Falseprint('upload slice ' + str(index) + ' success')index += 1finally:'file index:' + str(file_object.tell())file_object.close()return True# 合并def merge_request(self, taskid):return self.gene_request(api_merge, data=self.gene_params(api_merge, taskid=taskid))# 获取进度def get_progress_request(self, taskid):return self.gene_request(api_get_progress, data=self.gene_params(api_get_progress, taskid=taskid))# 获取结果def get_result_request(self, taskid):return self.gene_request(api_get_result, data=self.gene_params(api_get_result, taskid=taskid))def all_api_request(self):# 1. 预处理pre_result = self.prepare_request()taskid = pre_result["data"]# 2 . 分片上传self.upload_request(taskid=taskid, upload_file_path=self.upload_file_path)# 3 . 文件合并self.merge_request(taskid=taskid)# 4 . 获取任务进度while True:# 每隔20秒获取一次任务进度progress = self.get_progress_request(taskid)progress_dic = progressif progress_dic['err_no'] != 0 and progress_dic['err_no'] != 26605:print('task error: ' + progress_dic['failed'])returnelse:data = progress_dic['data']task_status = json.loads(data)if task_status['status'] == 9:print('task ' + taskid + ' finished')breakprint('The task ' + taskid + ' is in processing, task status: ' + str(data))# 每次获取进度间隔20Stime.sleep(20)# 5 . 获取结果self.get_result_request(taskid=taskid)# 注意：如果出现requests模块报错："NoneType" object has no attribute 'read', 请尝试将requests模块更新到2.20.0或以上版本(本demo测试版本为2.20.0)# 输入讯飞开放平台的appid，secret_key和待转写的文件路径if __name__ == '__main__':APP_ID = "***"SECRET_KEY = "****"file_path = r"***.wav"api = RequestApi(appid=APP_ID, secret_key=SECRET_KEY, upload_file_path=file_path)api.all_api_request()
当然，你可以根据自己的需求对demo进行改进，比如你想并发识别录音，你可以添加多线程执行的函数，为了获取taskid方便，我在class的初始化里边添加了self.taskid = “None”，并在预处理结果返回之后重新对taskid赋值。
def thread_func(wav_file_path, txt_file_path): # 线程函数，方便并发识别录音doc = open(txt_file_path, 'w', encoding='utf-8')# doc.close()api = RequestApi(appid=APP_ID, secret_key=SECRET_KEY, upload_file_path=wav_file_path)api.all_api_request() # demo中这个函数是完整过程执行，但我把提取结果的模块提出来了print('taskid is： ' + api.taskid, file=doc)result = api.get_result_request(api.taskid)result = eval(result['data'])# print(result)for x in result:print(x)print(x, file=doc)doc.close()#主函数写成类似这种if __name__ == '__main__':file_list = ["o082112552587460156","o082115552587460127"]APP_ID = "***"SECRET_KEY = "***"file_read_path = r"D:\MyProject\Python\Voice_SDK\0820\\"file_save_path = r"D:\MyProject\Python\Voice_SDK\0820_xunfei\\"for file in file_list: #多并发批量执行wav_file_path = file_read_path + file + ".wav"txt_file_path = file_save_path + file + ".txt"t = threading.Thread(target=thread_func, args=(wav_file_path, txt_file_path))t.start()
