百度智能云文档链接 : https://cloud.baidu.com/doc/SPEECH/index.html
1.百度语音合成
概念: 顾名思义,就是将你输入的文字合成语音,例如:
from aip import AipSpeech """ 你的 APPID AK SK """
APP_ID = ''
API_KEY = '5a8u0aLf2SxRGRMX3jbZ2VH0'
SECRET_KEY = 'UAaqS13z6DjD9Qbjd065dAh0HjbqPrzV'
#上面这些东西,都在我们的百度语音的应用列表中 client=AipSpeech(APP_ID,API_KEY,SECRET_KEY) result=client.synthesis('大噶好,吾系渣渣辉,系兄弟就来砍我','zh',1,{
'spd' :4,
'vol' :5,
'pit' :8,
'per' :4
}) #识别征求返回语音二进制,错误则返回dict
if not isinstance(result,dict):
with open('audio.mp3','wb') as f:
f.write(result)
百度语音生成
参数:
tex : 合成的文本,使用UTF-8编码,注意文本长度必须小于1024字节 必须有
culid :用户唯一标识,用来区分用户,填写机器的MAC地址或IMEI码, 长度60以内 不必须有
spd : 语速 ,取值0-15,默认为5(中语速) 不必须有
pit : 音调,取值0-15,默认为5(中语调) 不必须有
vol : 音量,取值0-15,默认为5(中音量) 不必须有
per:发音人选择,0为女声,1位男声,3为情感合成-度逍遥,4为感情合成-度丫丫,默认为0 不必须有
2.百度语音识别
概念: 同上,就是将你的音频文件的内容读出来,相当于电子书
import os from aip import AipSpeech """ 你的 APPID AK SK """
APP_ID = ''
API_KEY = 'uzx4SWZuimPqbE4LvxYScEhi'
SECRET_KEY = '3HBy8yi11ID9T4yyxkADuGYOGyavxPdG' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) #语音合成,通过语音生成文字
def get_file_content(filePath):
os.system(f'ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
with open(f'{filePath}.pcm', 'rb') as fp:
return fp.read() # 识别本地文件
ret = client.asr(get_file_content('nszm.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
#得出音频文件中的内容,打印出来
print(ret.get('result')[0])
3.百度NLP自然语言处理 -- simnet短文本相似度
from aip import AipNlp """ 你的 APPID AK SK """
APP_ID = '16027160'
API_KEY = 'uzx4SWZuimPqbE4LvxYScEhi'
SECRET_KEY = '3HBy8yi11ID9T4yyxkADuGYOGyavxPdG' client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text='大噶好,吾系渣渣辉,是兄弟就来砍我' #这里算出来的是相似度(score)
score=client_nlp.simnet('你叫什么名字呀',text) if score >=0.58:
filename=执行某个函数
os.system(filename)
4.对接图灵机器人 实现智能问答
这里我说一下我的逻辑:
我先通过语音合成弄了一个音频,然后通过语音识别读取出我音频的内容,最后通过连接图灵机器人,进行智能问答
import os from aip import AipSpeech, AipNlp """ 你的 APPID AK SK """
APP_ID = ''
API_KEY = 'uzx4SWZuimPqbE4LvxYScEhi'
SECRET_KEY = '3HBy8yi11ID9T4yyxkADuGYOGyavxPdG' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY) # 语音识别,将你输入的文字转化为语音
def AI_voice(file):
result = client.synthesis(file, 'zh', 1, {
'spd': 5,
'vol': 5,
'pit': 5,
'per': 2
})
if not isinstance(result, dict):
with open('audio.mp3', 'wb') as f:
f.write(result) return 'audio.mp3' # 语音合成,通过语音生成文字,在这里只是读出文字,并没有写出来,下面这一步才是将语音中的文字return出来
def get_file_content(file):
os.system(f"ffmpeg -y -i {file} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {file}.pcm")
with open(f'{file}.pcm', 'rb') as fp:
return fp.read() # 返回的是你语音中的消息
def voice_content(file):
result = client.asr(get_file_content(file), 'pcm', 16000, {
'dev_pid': 1536,
})
# print(result.get('result')[0])
return result.get('result')[0] def goto_tl(text, uid):
URL = "http://openapi.tuling123.com/openapi/api/v2"
import requests
data = {
"perception": {
"inputText": {
"text": "你叫什么名字"
}
},
"userInfo": {
"apiKey": "be41cf8596a24aec95b0e86be895cfa9",
"userId": ""
}
} data["perception"]["inputText"]["text"] = text
data["userInfo"]["userId"] = uid
res = requests.post(URL, json=data) print(res.content)
# print(res.text)
# print(res.json())
return res.json().get("results")[0].get("values").get("text") text = voice_content("nszm.m4a")
# 自然语言的处理,比较low版
# 获取相似度
score = client_nlp.simnet('你叫什么名字', text).get('score')
print(score)
if score >= 0.58:
filename = AI_voice('我是你爸爸,我喜欢你妈妈')
os.system(filename) # 将我语音中的内容识别出来,并进行返回,
answer = goto_tl(text, 'XiaoQiang')
name = AI_voice(answer)
os.system(name)