百度AI的语音合成,语音识别

1,语音的合成,识别

后端代码:

from aip import AipSpeech, AipNlp
import os
# 语音合成
""" 你的 APPID AK SK """
# 申请的Ai.baidu.com的ID,接口,密钥
APP_ID = '15217709'
API_KEY = 'eNiP5QUsgBh6QwpbNv8Qmsy3'
SECRET_KEY = 'gwhM3wDo0Kjjd1PDIxqqW4Bfex10Y4f3'

# 实例化AipSpeech,AipNlp对象
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
nlp_client = AipNlp(APP_ID, API_KEY, SECRET_KEY)

# 调节发音的会泽的
# 第一个可以放要转化吃那个语音的文字
result = client.synthesis('', 'zh', 1, {
    "per": 4,  # 表示是男音还是女音
    "spd": 8,  # 表示说话的速度
    "pit": 6,
    "vol": 5,
})

# 识别正确返回语音二进制 错误则返回dict ,这时返回的是文件文本
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)  # 把二进制语音写入到文件中

# 定义一个读取文件的函数
def get_file_content(filePath):
    # 把wma格式的文件转化为.pcm格式的文件
    os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.wma.pcm")
    # 把转化了的格式保存到当前目录
    with open(f"{filePath}.wma.pcm", 'rb') as fp:
        # 返回这个文件读取的内容
        return fp.read()  # 并把这个文件返回给调用者

# get_file_content("cg.m4a")
# 识别本地文件,  把本地的语音文件转成pcm个格式的文件并把语音转化成二进制文件
res = client.asr(get_file_content('xh.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})
print(res, type(res))
# {'corpus_no': '6637053740205578210', 'err_msg': 'success.', 'err_no': 0, 'result': ['给我讲个笑话'], 'sn': '757488757051545309494'}, <class 'dict'>

Q = res.get("result")[0]
# 取到输入的主要内容
print(1,Q)  # 1 给我讲个笑话
# 判断是不是问的是名字,是拿Q和"你叫什么"做相似度匹配如果大于0.7,则表明用户表达的是这个意思
if nlp_client.simnet(Q, "你叫什么?").get("score") >= 0.7:
    A = "我的名字叫雪雪"
    result = client.synthesis(A, "zh", 1, {
        "per": 4,
        "pit": 8,
        "spd": 4,
        "vol": 5,
    })
    # 如果不存在result,就打开audio.mp3的文件
    if not isinstance(result, dict):
        with open("audio.mp3", "wb") as f:
            f.write(result)
    os.system("audio.mp3")

else:
    # 调用图灵机器人
    import go_tuling
    # 传2个参数,一个是用户输入的内容,并赋值给A
    A = go_tuling.tl(Q, "asd")
    # 结果赋值给result,并读取这个文件
    result = client.synthesis(A, "zh", 1, {
        "per": 4,
        "pit": 8,
        "spd": 4,
        "vol": 5,
    })
    if not isinstance(result, dict):
        with open("audio.mp3", "wb") as f:
            f.write(result)

        os.system("audio.mp3")

调用图灵的代码:

import requests

url = "http://openapi.tuling123.com/openapi/api/v2"

data_dict = {
    "reqType": 0,
    "perception": {
        "inputText": {
            "text": "北京"
        },
    },
    "userInfo": {
        "apiKey": "96dfe320eec549519c5168093f93b2dc",
        "userId": "asd",
    }
}

def tl(text, uid):
    # 给字典赋值text,这个text是传过来的用户输入的内容
    data_dict["perception"]["inputText"]["text"] = text
    # 并给字典赋值是哪个用户的要求
    data_dict["userInfo"]["userInfo"] = uid
    # 把这个消息数据反送给图灵
    res = requests.post(url, json=data_dict)
    # 会得到一个响应值,去json的方法
    res_json = res.json()
    print("res:", res, type(res))
    # res: <Response [200]> <class 'requests.models.Response'>
    print("res_json:", res_json,type(res_json))
    # res_json: {'intent': {'actionName': '', 'code': 10006, 'intentName': ''}, 'results': [{'groupType': 1, 'resultType': 'text', 'values': {'text': '猪猪与爸爸 小猪与爸爸在谈话小猪说：爸爸为什么上个月有人来要钱你说没有，这个月那个人来要钱你说又没有？小猪爸爸：哎呀，爸爸要讲信用嘛！'}}]} <class 'dict'>
    # 返回图灵相应的数据
    return res_json.get("results")[0]["values"]["text"]