语音识别（利用python将语音转化为文字）（升级版）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、申请讯飞语音端口
• • 1.点击链接进入讯飞平台主页面
  • 2.在页面注册自己的个人账户
  • 3.申请语音端口
  • 4.查看自己的端口编码
  • 二、python代码讲解
  • • 1.代码如下（实例）
    • 2.代码需要修改的部分
    • 3.包的导入
    • 4.结果演示
    • 总结

      ---

      前言

      基于语音识别（1）进行的完善，修改了60秒断触的问题，另外可以更加方便的调用，语音识别1的链接如下：

      https://blog.csdn.net/m0_46657126/article/details/124531081

      ---

      一、申请讯飞语音端口

      1.点击链接进入讯飞平台主页面

      https://www.xfyun.cn/

      2.在页面注册自己的个人账户

      ps：注册账户是完全免费的，因为我之前已经注册过一个了，这里就不重复介绍了，注册之后看个人情况进行个人认证，这个不影响之后的操作。

      3.申请语音端口

      ps:申请内容大概像我这样写就行，名字重复的话换一个

      4.查看自己的端口编码

      二、python代码讲解

      1.代码如下（实例）

      代码如下（示例）：

      # -*- encoding:utf-8 -*-
      import hashlib
      import hmac
      import base64
      from socket import *
      import json, time, threading
      from websocket import create_connection
      import websocket
      from urllib.parse import quote
      import logging
      import pyaudio
      import re
      # reload(sys)
      # sys.setdefaultencoding("utf8")
      class Client():
          def __init__(self):
              logging.basicConfig()
              self.app_id = ""
              self.api_key = ""
              base_url = "ws://rtasr.xfyun.cn/v1/ws"
              ts = str(int(time.time()))
              tt = (self.app_id + ts).encode('utf-8')
              md5 = hashlib.md5()
              md5.update(tt)
              baseString = md5.hexdigest()
              baseString = bytes(baseString, encoding='utf-8')
              apiKey = self.api_key.encode('utf-8')
              signa = hmac.new(apiKey, baseString, hashlib.sha1).digest()
              signa = base64.b64encode(signa)
              signa = str(signa, 'utf-8')
              self.end_tag = "{\"end\": true}"
              self.ws = create_connection(base_url + "?appid=" + self.app_id + "&ts=" + ts + "&signa=" + quote(signa))
              self.trecv = threading.Thread(target=self.recv)
              self.trecv.start()
          def send(self):
              CHUNK = 300  # 定义数据流块
              FORMAT = pyaudio.paInt16  # 16bit编码格式
              CHANNELS = 1  # 单声道
              RATE = 16000  # 16000采样频率
              p = pyaudio.PyAudio()
              # 创建音频流
              stream = p.open(format=FORMAT,  # 音频流wav格式
                              channels=CHANNELS,  # 单声道
                              rate=RATE,  # 采样率16000
                              input=True,
                              frames_per_buffer=CHUNK)
              print("- - - - - - - Start Recording ...- - - - - - - ")
              while True:
                  # file_object = stream.read(CHUNK)
                  index = 1
                  while True:
                      chunk = stream.read(1280)
                      if not chunk:
                          break
                      self.ws.send(chunk)
                      index += 1
                      time.sleep(0.04)
              # self.ws.send(bytes(self.end_tag.encode('utf-8')))
              # print("send end tag success")
          def recv(self):
              try:
                  while self.ws.connected:
                      result = str(self.ws.recv())
                      if len(result) == 0:
                          print("receive result end")
                          break
                      result_dict = json.loads(result)
                      # 解析结果
                      if result_dict["action"] == "started":
                          print("handshake success, result: " + result)
                      if result_dict["action"] == "result":
                          result = ''
                          result_1 = re.findall('"w":"(.*?)"', str(result_dict["data"]))
                          for i in result_1:
                              if i == '。' or i == '.。' or i == ' .。' or i == ' 。':
                                  pass
                              else:
                                  result += i
                          print("翻译结果：" + result)
                          # 写入文本文件
                          tep = open('tep.txt', 'w', encoding='utf-8')
                          tep.write(result)
                          tep.close()
                          # print("rtasr result: " + result_1)
                      if result_dict["action"] == "error":
                          print("rtasr error: " + result)
                          self.ws.close()
                          return
              except websocket.WebSocketConnectionClosedException:
                  print("receive result end")
          def close(self):
              self.ws.close()
              print("connection closed")
      def runc():
          client = Client()
          client.send()
      if __name__ == '__main__':
          logging.basicConfig()
          client = Client()
          client.send()
      

      2.代码需要修改的部分

      3.包的导入

      Ps:因为没有新的Project Interpreter，所以不记得有什么包需要重新引入，唯一有印象的只有pyaudio了，所以这里就只提供了pyaudio的引入方法，其他的好像直接导入就可以了。

      1）首先：下载安装 pyaudio 的 whl 文件

      下载网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/

      2）该界面上输入ctrl+f，搜索pyaudio

      3）下载

      重点：一定要根据自己的版本进行下载！！！，每个人不一定是一样的。

      4）记录下载文件的安装路径，如果换位置，则记住新的位置

      5）安装

      键盘输入win+r,输入cmd打开终端模式

      假设我的下载位置为D盘的杂项文件夹，那么可以先利用cd转到D盘

      再转到杂项

      进行安装

      然后输入pip install 文件名称即可

      回车，安装结束

      4.结果演示

      ---

      总结

      以上主要是对第一篇语音识别的更新，因为很多小伙伴提出了出现的问题，依次对其进行了改进。