概述

目前市場上有很多家的語音識別介面可用，簡單測試都不要錢。國內的BAT和科大訊飛，國外的微軟和谷歌都提供了中文的語音識別介面，既有sdk又有webAPI。我的測試都是在python3環境下進行的。

最終選擇百度和科大訊飛的介面。主要是考慮中文識別應該國內廠商做的更好。

免費試用階段，科大訊飛每天限定500次呼叫。百度則只限制每秒20次，總次數沒限制。

試用下來的感覺就是，科大訊飛的介面更快，斷句什麼的也更好。但是試用次數少是個問題，只能評估玩玩。

科大訊飛語音識別webAPI

使用之前需要先去https://xfyun.cn註冊並建立應用。獲得APPID和APPkey.

程式碼是官網上的，但是那是個python2上的，我改成python3版本了（python3對於引數的編碼格式更嚴格）。

注意：將指令碼中 AUDIO_PATH, API_KEY, APPID, 換成相應的音訊路徑，訊飛開放平臺提供的 apiKey，訊飛開放平臺應用的 appid 即可。

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import urllib.request
import time
import urllib
import json
import hashlib
import base64
from urllib import parse

def main():
    f = open("AUDIO_PATH", 'rb')
    file_content = f.read()
    base64_audio = base64.b64encode(file_content)
    body = parse.urlencode({'audio'
 
: base64_audio})

    url = 'http://api.xfyun.cn/v1/service/v1/iat'
    api_key = 'API_KEY'
    param = {"engine_type":"sms16k","aue":"raw"}

    x_appid = 'APPID'
    json_str = json.dumps(param).replace(' ', '')
    print('json_str:{}'.format(json_str))
    x_param = base64.b64encode(bytes(json_str, 'ascii'
 
))
    x_time = int(int(round(time.time() * 1000)) / 1000)
    x_checksum_str = api_key + str( x_time ) + str(x_param)[2:-1]
    print('x_checksum_str:[{}]'.format(x_checksum_str))
    x_checksum = hashlib.md5(x_checksum_str.encode(encoding='ascii')).hexdigest()
    print('x_checksum:{}'.format(x_checksum))
    x_header = {'X-Appid': x_appid,
                'X-CurTime': x_time,
                'X-Param': x_param,
                'X-CheckSum': x_checksum}

    start_time = time.time()
    req = urllib.request.Request(url, bytes(body, 'ascii'), x_header)
    result = urllib.request.urlopen(req)
    result = result.read()
    print( "used time: {}s".format( round( time.time() - start_time, 2 ) ) )
    print('result:'+str(result.decode(encoding='UTF8')))
    return

if __name__ == '__main__':
    main() 

我的一個測試輸出：

json_str:{"engine_type":"sms16k","aue":"raw"}

used time: 0.82s
result:{"code":"0","data":"特別是跨省區電網超計劃用電，不僅損害自己，也損害別人，損害電網，損害國家。","desc":"success","sid":"[email protected]"}

一個注意點

如果沒有把ip放到白名單中，就會返回以下錯誤資訊，錯誤碼是10105

al access|illegal client_ip:xxxxx

在‘控制檯->我的應用’裡把資訊裡的IP加上就行。

百度語音識別webAPI

然後在管理控制檯上建立一個語音識別應用，你會得到AppId\AppKey\SecretKey等資訊，這些需要在呼叫介面的時候用到。

參考官方例子，我的程式碼如下（注意替換自己的APP_ID、API_KEY、SECRET_KEY）：

from aip import AipSpeech
import time

APP_ID = 'APP_ID'
API_KEY = 'API_KEY'
SECRET_KEY = 'SECRET_KEY'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

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

# 識別本地檔案
start_time = time.time()
ret = client.asr(get_file_content('./aideo_files/A2_58.wav'), 'pcm', 16000, {
    'dev_pid': 1537,
})
used_time = time.time() - start_time

print( "used time: {}s".format( round( time.time() - start_time, 2 ) ) )
print('ret:{}'.format(ret))

我測試的輸出結果為：

used time: 8.18s
ret:{'corpus_no': '6592465378279780417', 'err_msg': 'success.', 'err_no': 0, 'result':
['特別是跨省區電網超計劃用電，不僅損害自己也損害別人損害電網損害國家，'], 'sn': '148955205071534927957'}

時間上比科大訊飛長了好幾倍，斷句也不是很好。勝在試用次數基本不限。

小結

今天測試比較簡單，等後面大規模測試了再來補充。