python实现语音录入识别

一、介绍

1.第一步录音存入本地

2.调用百度语音识别sdk

注意点：百度语音识别对声音源有要求，比特率必须是256kbps

二、代码

#安装必要库

pip install baidu-aip #百度sdk

pip install pyaudio

import wave

import pyaudio

from aip import AipSpeech

def record():

    # 定义数据流块

    CHUNK = 1024

    FORMAT = pyaudio.paInt16

    # 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps

    CHANNELS = 1

    RATE = 16000

    # 录音时间

    RECORD_SECONDS = 8

    # 要写入的文件名

    WAVE_OUTPUT_FILENAME = "output.wav"

    # 创建PyAudio对象

    p = pyaudio.PyAudio()

    # 打开数据流

    stream = p.open(format=FORMAT,

                    channels=CHANNELS,

                    rate=RATE,

                    input=True,

                    frames_per_buffer=CHUNK)

    print("* recording")

    # 开始录音

    frames = []

    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):

        data = stream.read(CHUNK)

        frames.append(data)

    print("* done recording")

    # 停止数据流

    stream.stop_stream()

    stream.close()

    # 关闭PyAudio

    p.terminate()

    # 写入录音文件

    wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')

    wf.setnchannels(CHANNELS)

    wf.setsampwidth(p.get_sample_size(FORMAT))

    wf.setframerate(RATE)

    wf.writeframes(b''.join(frames))

    wf.close()

def ASR():

    # 录音

    record()

    """ 你的 APPID AK SK """

    APP_ID = '****'

    API_KEY = '****'

    SECRET_KEY = '****'

    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    # 读取文件

    def get_file_content(filePath):

        with open(filePath, 'rb') as fp:

            return fp.read()

    # 识别本地文件

    res=client.asr(get_file_content('output.wav'), 'wav', 16000, {

        'dev_pid': 1536,

    })

    print(res)

if __name__ == '__main__':

    ASR()

三、语音命令控制程序

import wave

import pyaudio

from aip import AipSpeech

import win32api

def record():

    # 定义数据流块

    CHUNK = 1024

    FORMAT = pyaudio.paInt16

    # 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps

    CHANNELS = 1

    RATE = 16000

    # 录音时间

    RECORD_SECONDS = 8

    # 要写入的文件名

    WAVE_OUTPUT_FILENAME = "output.wav"

    # 创建PyAudio对象

    p = pyaudio.PyAudio()

    # 打开数据流

    stream = p.open(format=FORMAT,

                    channels=CHANNELS,

                    rate=RATE,

                    input=True,

                    frames_per_buffer=CHUNK)

    print("* recording")

    # 开始录音

    frames = []

    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):

        data = stream.read(CHUNK)

        frames.append(data)

    print("* done recording")

    # 停止数据流

    stream.stop_stream()

    stream.close()

    # 关闭PyAudio

    p.terminate()

    # 写入录音文件

    wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')

    wf.setnchannels(CHANNELS)

    wf.setsampwidth(p.get_sample_size(FORMAT))

    wf.setframerate(RATE)

    wf.writeframes(b''.join(frames))

    wf.close()

def ASR():

    # 录音

    record()

    """ 你的 APPID AK SK """

    APP_ID = '****'

    API_KEY = '****'

    SECRET_KEY = '****'

    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    # 读取文件

    def get_file_content(filePath):

        with open(filePath, 'rb') as fp:

            return fp.read()

    # 识别本地文件

    res=client.asr(get_file_content('output.wav'), 'wav', 16000, {

        'dev_pid': 1536,

    })

    if not res.get("err_no"):

        return res.get("result")[0]

    return res.get("err_no")

def control(order):

    # 命令对应的程序路径

    open_order={"打开QQ":r"C:\Program Files (x86)\Tencent\QQ\Bin\QQScLauncher.exe","打开记事本":r"D:\Notepad++\notepad++.exe","打开浏览器":r"C:\Users\ffm11\AppData\Roaming\360se6\Application\360se.exe"}

    res=open_order.get(order)

    if res:

        # 参数1：用于指定父窗口句柄。当函数调用过程出现错误时，它将作为Windows消息窗口的父窗口

        # 参数2：用于指定要进行的操作。

        # “open”操作表示执行由lpFile参数指定的程序，或打开由lpFile参数指定的文件或文件夹；

        # “print”操作表示打印由lpFile参数指定的文件；

        # “explore”操作表示浏览由lpFile参数指定的文件夹。

        # 参数3：用于指定要打开的文件名、要执行的程序文件名或要浏览的文件夹名。

        # 参数4：若lpFile参数是一个可执行程序，则此参数指定命令行参数，否则此参数应为NULL.

        # 参数5：若lpFile参数是一个可执行程序，则此参数指定程序窗口的初始显示方式，否则此参数应设置为0。

        # 这个参数常用的常数：

        # SW_HIDE 隐藏窗口，活动状态给令一个窗口

        # SW_MINIMIZE 最小化窗口，活动状态给令一个窗口

        # SW_RESTORE 用原来的大小和位置显示一个窗口，同时令其进入活动状态

        # SW_SHOW 用当前的大小和位置显示一个窗口，同时令其进入活动状态

        # SW_SHOWMAXIMIZED 最大化窗口，并将其激活

        # SW_SHOWMINIMIZED 最小化窗口，并将其激活

        # SW_SHOWMINNOACTIVE 最小化一个窗口，同时不改变活动窗口

        # SW_SHOWNA 用当前的大小和位置显示一个窗口，不改变活动窗口

        # SW_SHOWNOACTIVATE 用最近的大小和位置显示一个窗口，同时不改变活动窗口

        win32api.ShellExecute(0, 'open', res, '', '', 1)

    else:

        print("语音命令失败")

if __name__ == '__main__':

    order=ASR()

    control(order.rstrip("。"))