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
推荐链接：
开源C# .net mvc 开发（一）WEB搭建_c#部署web程序-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
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
1. 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
2. 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）
3. 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：
import base64
import urllib
import requests
import json
import osAPI_KEY = ""#自己的API_KEY
SECRET_KEY = ""#自己的API_KEYdef 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payloadpayload = 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 contentexcept Exception as e:print(f"读取文件错误: {e}")return Nonedef 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_tokenelse:print(f"获取access_token失败: {result}")return Noneexcept requests.exceptions.RequestException as e:print(f"获取access_token请求错误: {e}")return Noneexcept Exception as e:print(f"获取access_token其他错误: {e}")return Noneif __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。
