一、项目简介

项目实现语音转换文字的功能。

项目前后端分离，前端（移动端/Web端）按特定参数要求录音，将录音传给后端，后端将录音上传百度服务处理，对百度返回的结果进行预处理，以JSON格式返回给前端。

1、项目应用技术

• Demo主要编程语言： Python语言。
• 语音识别： 百度语音识别REST API。需要提前申请，获得密钥。
• Web开发框架： flask框架。应用到蓝图的概念。

---

二、程序目录结构

baiduASR
├── app.py						# 入口文件
├── requirements.txt			 # 依赖文件名称及版本号
└── apps						# 应用包
    └── baidu_ai				 # 百度语音识别应用
      	├── _init_.py			 
    	├── baiduToken.py		 # 获取baidu语音识别token
    	├── keySpace.py			 # 静态数据——存放baidu语音识别密钥
    	└── views.py			 # baidu语音识别视图层，写url

---

三、程序部分

从app.py入口文件开始依次介绍。

1、app.py

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author VieneLau
@desc 服务入口文件
@date 2020/12/2
说明：
创建(增加)新应用需要在本文件中，注册新应用的蓝图
"""

from flask import Flask
from apps.baidu_ai import bp as baiduai_bp#导入各个模块应用

from flask_wtf import CSRFProtect

from flask_wtf import CSRFProtect as WTF # 利用表单类去渲染模板时需要用到


from flask_cors import *



def create_app():
        app = Flask(__name__)
        app.config.from_object(Config) # 从配置对象来加载配置
        CORS(app, resources=r'/*') # 跨域设置

        #注册蓝图
        app.register_blueprint(baiduai_bp)
        
        return app

if __name__ == '__main__':
    app = create_app()
    app.run(host='127.0.0.1', debug=True)

2、baidu_ai python package

      1、 _init_.py

#!usr/bin/env python
# -*- coding:utf-8 -*-
from .views import bp # 引入蓝图

      2、keySpace.py

需要按申请的密钥修改代码API_KEY、SECRET_KEY这两个值。

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author VieneLau
@desc 百度语音识别参数
@date 2020/12/2
说明：
base_url 获取百度语音识别token地址，HOST进行地址拼接；
API_KEY、SECRET_KEY为自行申请的百度服务的密钥
"""
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
API_KEY = '申请的密钥'
SECRET_KEY = '申请的密钥'
HOST = base_url % (API_KEY, SECRET_KEY)

      3、baiduToken.py

获取百度语音识别Token（如不想获取Token进行语音识别，可参考B版本）

# -*- coding:utf-8 -*-
"""
@author VieneLau
@desc 获取百度token并识别的具体逻辑
@date 2020/12/2
说明：
具体情况请看 【百度语音识别官方文档】
采用百度语音识别官方文档提供的方式，base64编码Json方式上传百度服务器，并进行处理，返回结果。
其中在speech2text函数中，FORMAT为音频文件的格式，
百度服务支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（AAC编码）；固定16k 采样率；
cuid为用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。
"""
import base64
import json

import requests


def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']


# 传入语音二进制数据，token
# dev_pid为百度语音识别提供的几种语言选择
def speech2text(speech_data, token, dev_pid):
    # 音频格式要求
    FORMAT = 'pcm'
    RATE = '16000'
    CHANNEL = 1
    CUID = 'asrbaidu_test'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')
    data = {
        "format": FORMAT,
        "rate": RATE,
        "dev_pid": dev_pid,
        "channel": CHANNEL,
        "token": token,
        "cuid": CUID,
        "len": len(speech_data),
        "speech": SPEECH,
    }

    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}

    res = requests.post(url, json=data, headers=headers)
    Result = res.json()
    
    # 对百度服务回传回的结果进行预处理。
    # 此处未对语音识别不成功的情况特殊定义，如有需要可进行定义。
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result

B版本：

'''
将下面的代码直接替换views.py文件中的33与35行代码
(Token = apps.baidu_ai.baiduToken.getToken(HOST)
result = apps.baidu_ai.baiduToken.speech2text(file, Token, dev_pid=1537))
''' 
    APP_ID = '申请的'
    API_KEY = '申请的'
    SECRET_KEY = '申请的'
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    # 音频文件的格式在下面的语句中改，eg：可把‘pcm’改为‘wav’
    result = client.asr(read_file(str(file_address)), 'pcm', 16000, {
        'dev_pid': 1537,
    })

    return result

      4、 views.py

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author VieneLau
@desc 处理前端post音频
@date 2020/12/2
说明：
将录音转换为文字并以json格式返回给前端
"""
from flask import Blueprint, request, jsonify, json, render_template
from flask_cors import cross_origin

import apps
from apps.baidu_ai.baiduToken import speech2text
from apps.baidu_ai.keySpace import HOST


bp = Blueprint("baiduAi", __name__, url_prefix='/')


@bp.route('/baiduai', methods=['GET', 'POST'])
@cross_origin()
def baidu_ai():
    if request.method == "GET":
        return jsonify({
            'status': 200,
            'message': '这是get方法！'
        })
    else:
        # 对应前端传的参数名——pcm_audio
        file = request.files['pcm_audio'].read()

        Token = apps.baidu_ai.baiduToken.getToken(HOST)
        # 音频文件格式要求，具体见百度官方文档；本项目中为PCM，可在baiduToken.py中修改。
        result = apps.baidu_ai.baiduToken.speech2text(file, Token, dev_pid=1537)

        return jsonify({
            'status': 200,
            'message': result
        })

---

运行方法

1、直接选择右上角 run app.py
2、在Terminal 中输入命令【flask run】

总结

项目一开始用Django框架写的，后面各种原因，改成Flask重写。

看网上好多解决方案都会将语音文件存在本地，再进行语音识别，我第一版的也是这样，但是就很占地很闹心，最后用【.read】解决的（具体见views.py）。

项目还有很多需要完善的地方，本文仅供参考。欢迎讨论、批评、指正。