Python调用百度语音识别Rest API全攻略

2025年11月14日 互联网

Python调用百度语音识别Rest API全攻略

在人工智能技术飞速发展的今天，语音识别已成为人机交互的重要方式之一。百度语音识别API凭借其高准确率和稳定性，成为开发者首选的语音处理工具。本文将详细介绍如何使用Python调用百度语音识别Rest API，帮助开发者快速实现语音转文字功能。

一、准备工作

1.1 注册百度智能云账号

在使用百度语音识别API前，需要先注册百度智能云账号。访问百度智能云官网，点击”免费注册”，填写相关信息完成注册。注册完成后，登录控制台。

1.2 创建应用并获取API Key和Secret Key

登录百度智能云控制台后，进入”语音技术”服务，选择”语音识别”。在左侧导航栏点击”应用管理”，然后点击”创建应用”。填写应用名称、应用类型等信息后，点击”立即创建”。创建成功后，系统会生成AppID、API Key和Secret Key，这些信息是调用API的关键凭证。

1.3 安装必要的Python库

调用百度语音识别API需要使用requests库发送HTTP请求，同时需要处理音频文件。建议安装以下库：

  1. pip install requests pydub

pydub库用于音频文件处理，requests库用于发送HTTP请求。

二、API调用流程

2.1 获取Access Token

调用百度语音识别API前，需要先获取Access Token。Access Token是调用API的临时凭证，有效期为30天。获取Access Token的请求如下：

  1. import requests
  2. import base64
  3. import hashlib
  4. import json
  6. def get_access_token(api_key, secret_key):
  7.     auth_url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={api_key}&client_secret={secret_key}"
  8.     response = requests.get(auth_url)
  9.     if response:
  10.         return response.json().get("access_token")
  11.     return None

2.2 准备音频文件

百度语音识别API支持多种音频格式，包括wav、pcm、mp3等。音频文件需要满足以下要求：

  • 采样率：16000Hz或8000Hz
  • 编码格式：16bit位深的单声道
  • 文件大小：不超过10MB

使用pydub库可以方便地转换音频格式：

  1. from pydub import AudioSegment
  3. def convert_audio(input_file, output_file, sample_rate=16000):
  4.     audio = AudioSegment.from_file(input_file)
  5.     audio = audio.set_frame_rate(sample_rate)
  6.     audio = audio.set_channels(1)
  7.     audio.export(output_file, format="wav")

2.3 调用语音识别API

百度语音识别API提供了多种识别模式，包括实时语音识别、文件语音识别等。本文以文件语音识别为例，介绍调用流程。

  1. def speech_recognition(access_token, audio_file):
  2.     recognition_url = f"https://vop.baidu.com/server_api?cuid=your_device_id&token={access_token}"
  4.     # 读取音频文件
  5.     with open(audio_file, "rb") as f:
  6.         audio_data = f.read()
  8.     # 计算音频长度（毫秒）
  9.     import math
  10.     audio_length = math.ceil(len(audio_data) / 2)  # 假设16bit采样
  12.     headers = {
  13.         "Content-Type": "application/json"
  14.     }
  16.     data = {
  17.         "format": "wav",
  18.         "rate": 16000,
  19.         "channel": 1,
  20.         "cuid": "your_device_id",
  21.         "token": access_token,
  22.         "speech": base64.b64encode(audio_data).decode("utf-8"),
  23.         "len": audio_length
  24.     }
  26.     response = requests.post(recognition_url, headers=headers, data=json.dumps(data))
  27.     if response:
  28.         return response.json()
  29.     return None

三、完整代码实现

结合上述步骤，完整的Python调用百度语音识别API代码如下：

  1. import requests
  2. import base64
  3. import json
  4. import math
  5. from pydub import AudioSegment
  7. class BaiduASR:
  8.     def __init__(self, api_key, secret_key):
  9.         self.api_key = api_key
  10.         self.secret_key = secret_key
  11.         self.access_token = None
  12.         self.device_id = "python_asr_demo"
  14.     def get_access_token(self):
  15.         auth_url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.api_key}&client_secret={self.secret_key}"
  16.         response = requests.get(auth_url)
  17.         if response:
  18.             self.access_token = response.json().get("access_token")
  19.             return self.access_token
  20.         return None
  22.     def convert_audio(self, input_file, output_file, sample_rate=16000):
  23.         audio = AudioSegment.from_file(input_file)
  24.         audio = audio.set_frame_rate(sample_rate)
  25.         audio = audio.set_channels(1)
  26.         audio.export(output_file, format="wav")
  28.     def recognize(self, audio_file):
  29.         if not self.access_token:
  30.             self.get_access_token()
  32.         recognition_url = f"https://vop.baidu.com/server_api?cuid={self.device_id}&token={self.access_token}"
  34.         with open(audio_file, "rb") as f:
  35.             audio_data = f.read()
  37.         audio_length = math.ceil(len(audio_data) / 2)
  39.         headers = {
  40.             "Content-Type": "application/json"
  41.         }
  43.         data = {
  44.             "format": "wav",
  45.             "rate": 16000,
  46.             "channel": 1,
  47.             "cuid": self.device_id,
  48.             "token": self.access_token,
  49.             "speech": base64.b64encode(audio_data).decode("utf-8"),
  50.             "len": audio_length
  51.         }
  53.         response = requests.post(recognition_url, headers=headers, data=json.dumps(data))
  54.         if response:
  55.             return response.json()
  56.         return None
  58. # 使用示例
  59. if __name__ == "__main__":
  60.     api_key = "your_api_key"
  61.     secret_key = "your_secret_key"
  63.     asr = BaiduASR(api_key, secret_key)
  65.     # 转换音频格式（如果需要）
  66.     input_audio = "input.mp3"
  67.     output_audio = "output.wav"
  68.     asr.convert_audio(input_audio, output_audio)
  70.     # 调用语音识别
  71.     result = asr.recognize(output_audio)
  72.     print(json.dumps(result, indent=2, ensure_ascii=False))

四、优化建议

4.1 错误处理

在实际应用中，需要添加完善的错误处理机制：

  1. def recognize_with_error_handling(self, audio_file):
  2.     try:
  3.         if not self.access_token:
  4.             self.get_access_token()
  6.         # ... 之前的代码 ...
  8.         if response.status_code != 200:
  9.             print(f"HTTP错误: {response.status_code}")
  10.             print(response.text)
  11.             return None
  13.         result = response.json()
  14.         if "error_code" in result:
  15.             print(f"API错误: {result['error_code']} - {result['error_msg']}")
  16.             return None
  18.         return result
  19.     except Exception as e:
  20.         print(f"发生异常: {str(e)}")
  21.         return None

4.2 性能优化

  • 批量处理：对于大量音频文件，可以实现批量处理功能
  • 异步调用：使用多线程或异步IO提高处理效率
  • 缓存机制：缓存Access Token，避免频繁获取

4.3 高级功能

百度语音识别API还支持以下高级功能：

  • 长语音识别：支持超过1分钟的音频
  • 实时语音识别：适用于流式音频输入
  • 语言识别：自动检测音频语言
  • 热词优化：自定义识别词汇表

五、总结

本文详细介绍了如何使用Python调用百度语音识别Rest API，从准备工作、API调用流程到完整代码实现，涵盖了整个开发过程。通过本文的指导，开发者可以快速实现语音转文字功能，并可根据实际需求进行优化和扩展。

百度语音识别API凭借其高准确率和丰富的功能，为开发者提供了强大的语音处理能力。结合Python的简洁语法和丰富的库支持，可以轻松构建各种语音应用场景，如智能客服、语音助手、会议记录等。

在实际开发中，建议开发者根据具体需求选择合适的识别模式和参数，同时注意错误处理和性能优化，以构建稳定高效的语音识别系统。

最新文章