更新时间:2022-04-07 GMT+08:00
分享

实时语音识别

前提条件

  • 确保已按照配置Python环境配置完毕,Python SDK仅支持Python3。
  • 确保已存在待识别的音频文件。如果需要请在下载的SDK压缩包中获取示例音频。

初始化Client

初始化RasrClient详见表 RasrClient初始化参数

表1 RasrClient初始化参数

参数名称

是否必选

参数类型

描述

ak

String

用户的ak,请参考AK/SK认证

sk

String

用户的sk,请参考AK/SK认证

use_aksk

Boolean

使用ak、sk要填写true。

region

String

区域,如:cn-north-4。具体请参考终端节点

project_id

String

项目ID,同region一一对应,参考获取项目ID

callback

Object

回调类RasrCallBack,用于监听Websocket连接、响应、断开、错误等。参考代码示例

config

Object

详见表2

service_endpoint

String

终端节点,一般使用默认即可。

表2 SisConfig

参数名称

是否必选

参数类型

描述

connect_timeout

Integer

连接超时,默认10,单位s。

read_timeout

Integer

读取超时,默认10,单位s。

connect_lost_timeout

Integer

连接失效超时,默认4,单位s。一般不要修改这个参数。

请求参数

请求类为RasrRequest,详见表3

表3 RasrRequest

参数名称

是否必选

参数类型

描述

audio_format

String

音频格式,支持pcm,alaw,ulaw等,如pcm8k16bit,参见《API参考》中开始识别章节。

model_property

String

属性字符串,language_sampleRate_domain, 如chinese_8k_common,参见《API参考》中开始识别章节。

add_punc

String

表示是否在识别结果中添加标点,取值为yes 、 no,默认no。

digit_norm

String

表示是否将语音中的数字识别为阿拉伯数字,取值为yes 、 no,默认为yes。

vad_head

Integer

头部最大静音时间,[0, 60000],默认10000ms。

vad_tail

Integer

尾部最大静音时间,[0, 3000],默认500ms。

max_seconds

Integer

音频最长持续时间, [0, 60],默认30s。

interim_results

String

是否显示中间结果,yes 或 no,默认no。

vocabulary_id

String

热词表id,若没有则不填。

need_word_info

String

表示是否在识别结果中输出分词结果信息,取值为“yes”“no”,默认为“no”

响应参数

Python SDK响应结果为Json格式,详见表4。调用失败处理方法请参见错误码

表4 响应结果

参数名称

是否必选

参数类型

描述

resp_type

String

参数值为RESULT,表示识别结果响应。

trace_id

String

服务内部的令牌,可用于在日志中追溯具体流程。

segments

Array of objects

多句结果。详见表5

表5 Segment

参数名称

是否必选

参数类型

描述

start_time

Integer

一句的起始时间戳,单位为ms。

end_time

Integer

一句的结束时间戳,单位为ms。

is_final

Boolen

true表示是最终结果, false表示为中间临时结果。

result

Object

调用成功表示识别结果,详见表6

表6 Result

参数名称

是否必选

参数类型

描述

text

String

识别结果。

score

Float

识别结果的置信度(0-1之间)。此值仅会在最终结果时被赋值,在中间结果时统一置为“0.0”

word_info

Array of objects

分词信息列表。

表7 Word_info

参数名

是否必选

参数类型

说明

start_time

Integer

起始时间

end_time

Integer

结束时间

word

String

分词

代码示例

# -*- coding: utf-8 -*-

from huaweicloud_sis.client.rasr_client import RasrClient
from huaweicloud_sis.bean.rasr_request import RasrRequest
from huaweicloud_sis.bean.callback import RasrCallBack
from huaweicloud_sis.bean.sis_config import SisConfig
import json

# 鉴权信息
ak = ''             # 用户的ak
sk = ''             # 用户的sk
region = ''         # region,如cn-north-4
project_id = ''     # 同region一一对应

"""
    todo 请正确填写音频格式和模型属性字符串
    1. 音频格式一定要相匹配.
         例如音频是pcm格式,并且采样率为8k,则格式填写pcm8k16bit
         如果返回audio_format is invalid 说明该文件格式不支持

    2. 音频采样率要与属性字符串的采样率要匹配
         例如格式选择pcm16k16bit,属性字符串却选择chinese_8k_common, 则会返回'audio_format' is not match model
"""

# 实时语音识别参数
path = ''           # 需要发送音频路径,如D:/test.pcm, 同时sdk也支持byte流发送数据
audio_format = ''   # 音频支持格式,如pcm8k16bit
property = ''       # 属性字符串,language_sampleRate_domain, 如chinese_8k_common, 采样率要和音频一致

class MyCallback(RasrCallBack):
    """ 回调类,用户需要在对应方法中实现自己的逻辑,其中on_response必须重写 """
    def on_open(self):
        """ websocket连接成功会回调此函数 """
        print('websocket connect success')

    def on_start(self, message):
        """
            websocket 开始识别回调此函数
        :param message: 传入信息
        :return: -
        """
        print('webscoket start to recognize, %s' % message)

    def on_response(self, message):
        """
            websockert返回响应结果会回调此函数
        :param message: json格式
        :return: -
        """
        print(json.dumps(message, indent=2, ensure_ascii=False))

    def on_end(self, message):
        """
            websocket 结束识别回调此函数
        :param message: 传入信息
        :return: -
        """
        print('websocket is ended, %s' % message)

    def on_close(self):
        """ websocket关闭会回调此函数 """
        print('websocket is closed')

    def on_error(self, error):
        """
            websocket出错回调此函数
        :param error: 错误信息
        :return: -
        """
        print('websocket meets error, the error is %s' % error)

    def on_event(self, event):
        """
            出现事件的回调
        :param event: 事件名称
        :return: -
        """
        print('receive event %s' % event)


def rasr_example():
    """ 实时语音识别demo """
    # step1 初始化RasrClient, 暂不支持使用代理
    my_callback = MyCallback()
    config = SisConfig()
    # 设置连接超时,默认是10
    config.set_connect_timeout(10)
    # 设置读取超时, 默认是10
    config.set_read_timeout(10)
    # 设置connect lost超时,一般在普通并发下,不需要设置此值。默认是4
    config.set_connect_lost_timeout(4)
    # websocket暂时不支持使用代理
    rasr_client = RasrClient(ak=ak, sk=sk, use_aksk=True, region=region, project_id=project_id, callback=my_callback,
                             config=config)

    # step2 构造请求
    request = RasrRequest(audio_format, property)
    # 所有参数均可不设置,使用默认值
    request.set_add_punc('yes')         # 设置是否添加标点, yes or no, 默认no
    request.set_vad_head(10000)         # 设置有效头部, [0, 60000], 默认10000
    request.set_vad_tail(500)           # 设置有效尾部,[0, 3000], 默认500
    request.set_max_seconds(30)         # 设置一句话最大长度,[0, 60], 默认30
    request.set_interim_results('no')   # 设置是否返回中间结果,yes or no,默认no
    request.set_digit_norm('no')        # 设置是否将语音中数字转写为阿拉伯数字,yes or no,默认yes
    # request.set_vocabulary_id('')     # 设置热词表id,若不存在则不填写,否则会报错

    # step3 选择连接模式
    # rasr_client.short_stream_connect(request)       # 流式一句话模式
    # rasr_client.sentence_stream_connect(request)    # 实时语音识别单句模式
    rasr_client.continue_stream_connect(request)    # 实时语音识别连续模式

    # step4 发送音频
    rasr_client.send_start()
    # 连续模式下,可多次发送音频,发送格式为byte数组
    with open(path, 'rb') as f:
        data = f.read()
        rasr_client.send_audio(data)    # 可选byte_len和sleep_time参数,建议使用默认值
    rasr_client.send_end()

    # step5 关闭客户端,使用完毕后一定要关闭,否则服务端20s内没收到数据会报错并主动断开。
    rasr_client.close()


if __name__ == '__main__':
    rasr_example()
分享:

    相关文档

    相关产品

close