本文共 3446 字，大约阅读时间需要 11 分钟。

注意事项

本文参考链接: .

百度智能云的官方文档是有JAVA SDK文档的，如果你想用Python来调用百度接口实现音频文件转写的话，那你就来对了。

操作系统：Windows

Python：3.6 注意事项： 语音识别要求支持的语音格式 原始 PCM 的录音参数必须符合 8k/16k 采样率、16bit 位深、单声道，支持的压缩格式有：pcm（不压缩）、wav、opus、amr、x-flac。 简单说，语音参数必需要 8k/16k 采样率、16bit 位深、单声道，不然会出现内容和文字不相符的情况。

APP_ID, API_KEY, SECRET_KEY的获取

既然要用人家的服务，肯定会有些限制，不过这些都是可以理解的。首先进入百度AI开放平台，通过百度云或者百度其他账号登录进入控制台，然后按照如下流程即可获得你想要的东西：

1、页面右上方“控制台”点击进入，登录百度账号，进入百度云管理后台页面。2、左侧导航栏上方，依次选择 产品服务->人工智能->智能呼叫中心，进入应用“概览”页面。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。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，记录AppID，API Key，Secret Key。

话不多说，直接上代码了

// An highlighted blockimport jsonimport requestsimport timeAPP_ID = '********' # 你申请的APP_IDAPI_KEY = '***************' # 你申请的API_KEYSECRET_KEY = '*****************' # # 你申请的SECRET_KEYdef get_access_token(cltid, srt_key): # 获取访问令牌    # oauth_url = 'https://openapi.baidu.com/oauth/2.0/token'    oauth_url = 'https://aip.baidubce.com/oauth/2.0/token'    args_data = {
   'grant_type': 'client_credentials',                 'client_id': cltid,                 'client_secret': srt_key,                 }    cnt_type = {
   'Content-Type': 'application/json; charset=UTF-8'}    resp = requests.post(oauth_url, data=args_data, headers=cnt_type)    print("get baidu center info...")    if resp.status_code != 200:        print("have http error", resp.status_code)        return None    cnt = resp.json()  # 获取的内容变为字典    cnt['expires_in'] += int(time.time())  # 将有效期时间记录    with open('baidu.ck', 'w', encoding='utf-8') as fp:        res = {
   'access_token': cnt['access_token'], 'expires_in': cnt['expires_in']}        json.dump(res, fp)    return cnt['access_token']def upload_audio_file(access_token): # 上传你要识别的音频文件，得按照人家规定的参数和格式    # speed_url = 'http://vop.baidu.com/server_api'    speed_url = 'https://aip.baidubce.com/rpc/2.0/session/offline/upload/asr?access_token={%s}' % access_token    # args_data = {'format': 'pcm',    #              'rate': 8000,    #              'channel': 1,    #              'cuid': 'rocky_shop',  # 应用名称，可随意取名    #              'token': atoken,    #              }    args_data = {
           "appId": APP_ID,        "companyName": "百度", # 这个可以修改        "callId": "20e59200-57da-423e-b613-6a8ce126d0a7", # 这个也可以改        "agentFileUrl": "http://***", # 你语音文件的url，要公网可访问的地址，你写上之后可以自己先下载试一下        "suffix": "wav",    }    header = {
   'Content-Type': 'application/json'}    resp = requests.post(speed_url, data=json.dumps(args_data), headers=header)    info = resp.json()    return infodef get_text_from_url(access_token): # 获取识别结果。免费用户是整点识别，上传之后得等待...    datas = {
           "category": "OFFLINE_ASR_RESULT",        "paras": {
               "appId": APP_ID,  # 百度云appId,必选            "callId": "20e59200-57da-423e-b613-6a8ce126d0a7"  # 用户上传某一通的callId,必选        }    }    data_url = 'https://aip.baidubce.com/rpc/2.0/search/info?access_token={%s}' % access_token    header = {
   'Content-Type': 'application/json'}    response = requests.post(data_url, data=json.dumps(datas), headers=header)    information = response.json()    return information# 结果解析的东西自己随便写，如果提前不太清楚返回数据的格式，可以先整个都print出来，然后做相应的解析。至于识别结果的准确性，这个不好说...access_token = get_access_token(API_KEY, SECRET_KEY)print(access_token)info = upload_audio_file(access_token)print(info)result = get_text_from_url(access_token)print(result)# tmp = result['data']['content']# print(tmp)# tmp_list = eval(tmp)# for x in tmp_list:#     print(x['sentence'])

上传成功以后就慢慢等…

转载地址：http://nsjqi.baihongyu.com/