Python+Appium+百度sdk（三）--语音识别控制

这次的目标是继上次的健康时报打卡机器人，现在要实现语音控制。

一、部署工作

使用的是百度智能云：具体操作文档https://ai.baidu.com/ai-doc/SPEECH/Gk38lyqzo

入门者看着新手指南就可以了。

之后进入百度智能云登录账号后领取可以实现语音识别的额度：

 之后点击创建任务：

 

 之后就获取了语音识别的AppID、API Key、Secret Key：

点击隔壁的技术文档：

 

 之后点击下载SDK：

 下载Python SDK：

 注意看一下使用说明：

 之后就开始入门吧。

二、语音识别

 安装Python SDK：

pip install baidu-api

 或者在Pycharm中找到baidu-aip进行下载：

 之后打开pycharm，新建ApiSpeech：参考如下代码

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

按照技术文档进行操作，要对一段语音文件进行识别：

需要注意的是下面需要调用ffmpeg，在上次的文章中我已经下载完成了：

  

在cmd中输入ffmpeg表示配置成功。

开启pycharm，在pycharm中的用法如下：

ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm

第一个%s表示原始文件

第二个%s也表示原始文件，但是它加了后缀.pcm

在请求时需要指定一个pcm格式的文件，而技术文档给的是如下的代码：

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb')as fp:
        return fp.read()


# 识别本地文件
a = client.asr(get_file_content('录音.pcm'), 'pcm', 16000, {'dev_pid': 1537})

print(a)

看看它需要的参数有如下：

有参数表我们可得知需要格式为pcm、wav或者amr的格式。

如果我单纯只用电脑录音，只会让它报错：

Traceback (most recent call last): File "D:/PythonvideoTest/mian.py