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("。"))