开源 python 应用开发（十一）短语音转文本

最近有个项目需要做视觉自动化处理的工具，最后选用的软件为python，刚好这个机会进行系统学习。短时间学习，需要快速开发，所以记录要点步骤，防止忘记。

链接：

开源 python 应用开发（一）python、pip、pyAutogui、python opencv安装-CSDN博客

开源 python 应用开发（二）基于pyautogui、open cv 视觉识别的工具自动化-CSDN博客

开源 python 应用开发（三）python语法介绍-CSDN博客

开源 python 应用开发（四）python文件和系统综合应用-CSDN博客

开源 python 应用开发（五）python opencv之目标检测-CSDN博客

开源 python 应用开发（六）网络爬虫-CSDN博客

开源 python 应用开发（七）数据可视化-CSDN博客

开源 python 应用开发（八）图片比对-CSDN博客

开源 python 应用开发（九）目标跟踪-CSDN博客

开源 python 应用开发（十）音频压缩-CSDN博客

开源 python 应用开发（十一）百度语音识别API-CSDN博客

推荐链接：

开源 Arkts 鸿蒙应用开发（一）工程文件分析-CSDN博客

开源 Arkts 鸿蒙应用开发（二）封装库.har制作和应用-CSDN博客

开源 Arkts 鸿蒙应用开发（三）Arkts的介绍-CSDN博客

开源 Arkts 鸿蒙应用开发（四）布局和常用控件-CSDN博客

开源 Arkts 鸿蒙应用开发（五）控件组成和复杂控件-CSDN博客

推荐链接：

开源 java android app 开发（一）开发环境的搭建-CSDN博客

开源 java android app 开发（二）工程文件结构-CSDN博客

开源 java android app 开发（三）GUI界面布局和常用组件-CSDN博客

开源 java android app 开发（四）GUI界面重要组件-CSDN博客

开源 java android app 开发（五）文件和数据库存储-CSDN博客

开源 java android app 开发（六）多媒体使用-CSDN博客

开源 java android app 开发（七）通讯之Tcp和Http-CSDN博客

开源 java android app 开发（八）通讯之Mqtt和Ble-CSDN博客

开源 java android app 开发（九）后台之线程和服务-CSDN博客

开源 java android app 开发（十）广播机制-CSDN博客

开源 java android app 开发（十一）调试、发布-CSDN博客

开源 java android app 开发（十二）封库.aar-CSDN博客

开源 C# .net mvc 开发（二）网站快速搭建_c#网站开发-CSDN博客

开源 C# .net mvc 开发（三）WEB内外网访问(VS发布、IIS配置网站、花生壳外网穿刺访问)_c# mvc 域名下不可訪問內網,內網下可以訪問域名-CSDN博客

开源 C# .net mvc 开发（四）工程结构、页面提交以及显示_c#工程结构-CSDN博客

开源 C# .net mvc 开发（五）常用代码快速开发_c# mvc开发-CSDN博客

本章内容为将短语音转文本的办法，使用百度语音识别，通过百度云短语音的API将WAV音频文件提交到百度云，转换为文字返回。

一、主要内容

使用百度语音识别API（REST API）将WAV音频文件转换为文字的Python脚本

需要安装pydub库，在cmd命令行下安装库

复制代码

pip install requests -i https://mirrors.aliyun.com/pypi/simple/

二、API Key 和 Secret Key获取

进入百度智能云 -> 选择短语音识别标准版 -> 选择开通付费，默认赠送10小时流量，不购买资源

-> 实名认证后获得,api key 和 secret key

在以下页面可以查看API Key 和 Secret Key

三、源代码分析

导入依赖

python

import base64 # Base64编码

import urllib # URL编码

import requests # HTTP请求

import json # JSON处理

import os # 文件操作

核心函数分析

main() 函数

主要流程：

文件验证：检查音频文件是否存在

文件信息获取：获取文件大小

构建请求：

使用正确的参数格式（format: "wav"）

包含音频参数（rate: 16000, channel: 1）

获取access_token

将音频文件转为Base64编码

发送请求：向百度API发送POST请求

响应处理：详细打印响应信息和解析结果

get_file_content_as_base64() 函数

功能：将音频文件转换为Base64编码

支持可选URL编码

使用二进制读取确保兼容性

get_access_token() 函数

功能：获取百度API的访问令牌

使用client_credentials授权模式

包含完整的错误处理

安全地显示token（只显示前20字符）

API接口细节

端点：https://vop.baidu.com/server_api

必需参数：

format: 音频格式（wav）

rate: 采样率（16000）

channel: 声道数（1）

token: 访问令牌

speech: Base64编码的音频内容

len: 文件大小

以下为源码：

复制代码

import base64
import urllib
import requests
import json
import os

API_KEY = ""#自己的API_KEY
SECRET_KEY = ""#自己的API_KEY

def main():
    # 使用原始字符串或正斜杠来处理Windows路径
    audio_file_path = r"C:\Users\Administrator\Desktop\test_16k.wav"
    
    # 检查文件是否存在
    if not os.path.exists(audio_file_path):
        print(f"错误：文件不存在 - {audio_file_path}")
        return
    
    # 获取文件大小
    file_size = os.path.getsize(audio_file_path)
    
    url = "https://vop.baidu.com/server_api"
    
    # 构建请求payload
    payload = json.dumps({
        "format": "wav",  # 如果是wav文件，应该用wav而不是pcm
        "rate": 16000,
        "channel": 1,
        "cuid": "lOClNo961PMousWYLfpHH22FyeYGHqKr",
        "token": get_access_token(),
        "speech": get_file_content_as_base64(audio_file_path, False),
        "len": file_size  # 使用实际的文件大小
    }, ensure_ascii=False)
    
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
    }
    
    try:
        response = requests.post(url, headers=headers, data=payload.encode("utf-8"))
        
        # 打印详细的响应信息
        print(f"状态码: {response.status_code}")
        print("响应内容:")
        print(response.text)
        
        # 尝试解析JSON响应
        try:
            result = response.json()
            print("\n解析后的结果:")
            print(json.dumps(result, ensure_ascii=False, indent=2))
        except json.JSONDecodeError:
            print("响应不是有效的JSON格式")
            
    except requests.exceptions.RequestException as e:
        print(f"请求错误: {e}")
    except Exception as e:
        print(f"其他错误: {e}")

def get_file_content_as_base64(path, urlencoded=False):
    """
    获取文件base64编码
    :param path: 文件路径
    :param urlencoded: 是否对结果进行urlencoded 
    :return: base64编码信息
    """
    try:
        with open(path, "rb") as f:
            content = base64.b64encode(f.read()).decode("utf8")
            if urlencoded:
                content = urllib.parse.quote_plus(content)
            return content
    except Exception as e:
        print(f"读取文件错误: {e}")
        return None

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    try:
        url = "https://aip.baidubce.com/oauth/2.0/token"
        params = {
            "grant_type": "client_credentials", 
            "client_id": API_KEY, 
            "client_secret": SECRET_KEY
        }
        
        response = requests.post(url, params=params)
        response.raise_for_status()  # 检查请求是否成功
        
        result = response.json()
        access_token = result.get("access_token")
        
        if access_token:
            print(f"成功获取access_token: {access_token[:20]}...")  # 只显示前20个字符
            return access_token
        else:
            print(f"获取access_token失败: {result}")
            return None
            
    except requests.exceptions.RequestException as e:
        print(f"获取access_token请求错误: {e}")
        return None
    except Exception as e:
        print(f"获取access_token其他错误: {e}")
        return None

if __name__ == '__main__':
    main()

三、效果演示

将录音文件test.wav文件放到和python文件同一个目录，运行效果如下，生产了16K频率的音频文件。

开源 python 应用 开发（十一）短语音转文本

开源 python 应用开发（十一）短语音转文本