一、简介

使用接口转换需要输入的语音为文字。

给大家带来一款语音识别软件，想做智能识别语音设备或者想给项目增加功能的同学可以看下 这款软件是使用python写的，其实开发语言无所谓用其他语言也可以写 代码还是挺简单的。

 这款软件主要使用接口完成识别功能。

随着互联网的发展，语音文件成为了人们接触得越来越多文件。如何高效的从一段录音中提取出关键信息，提取出其中人们感兴趣的内容，直观的呈现给人门。本文以百度语音识别通过API的方式给开发者提供一个通用的接口。通过python语言，使用此接口来实现语音识别。

现实生活中，语音是人们交流沟通的重要方式，将语音转换成文字，可以适用于不方便接听语音，将语音转成文字更方便使用，还有在一些会议等场所，需要将语音以文字的形式记录下来，以及大数据时代对语音数据关键词的提取。将语音识别转化为翻译任务展开深入研究，具有一定的理论意义和研究价值。

使用Python程序实现简单的语音识别程序，程序可以识别任意时间长度的语音，在语音输入完成后，点击回车就可以结束录音，可进行任意时间段的语音识别。

该语音识别程序借助百度智能云提供的云应用进行语音识别，使用百度智能云的语音识别模块识别语音之后返回文本，将文本以文本文件保存在磁盘中。

二、项目截图

三、开发环境

3.1环境

window 10、python  3.9.10

3.2架包

time库，顾名思义，跟时间有关。在这个程序中，用到了如下指令：time.time()：用来读取当前时间

threading库 ，用来生成多线程的数据库。在这个程序中，用到了如下指令：threading._start_new_thread(self.__recording,())：开启一个新的线程，运行Recorder中的__recording方法。

Wave库:是WAV音频文件操作库，如读写

PyAudio库：PyAudio对象只负责播放音频，不负责从文件中读取二进制数据，所以读取要在外面进行，给到它的是二进制数据，一般会结合wave库一起使用，wave库负责读数据以及获取音频的一些基本信息

3.3第三方接口baidu-aip    

版本：4.16.8：AipSpeech是百度语音识别的接口，为使用语音识别的开发人员提供了一系列的交互方法。

3.3.1 Baidu-aip接口说明

百度短语音识别可以将 60 秒以下的音频识别为文字。适用于语音对话、语音控制、语音输入等场景。

• 接口类型：通过 REST API 的方式提供的通用的 HTTP 接口。适用于任意操作系统，任意编程语言
• 接口限制：需要上传完整的录音文件，录音文件时长不超过 60 秒。浏览器由于无法跨域请求百度语音服务器的域名，因此无法直接调用API接口。
• 支持音频格式：pcm、wav、amr、m4a
• 音频编码要求：采样率 16000、8000（仅支持普通话模型），16 bit 位深，单声道（音频格式查看及转换）

3.3.2请求说明：

语音数据上传 POST 方式有 2 种：

JSON 格式 POST 上传本地音频文件。

RAW 格式 POST 上传本地音频文件。

JSON 方式

音频文件，读取二进制内容后，进行 base64 编码后放在 speech 参数内。

音频文件的原始大小, 即二进制内容的字节数，填写 “len” 字段

由于使用 json 格式， header 为： Content-Type:application/json注意 由于 base64 编码后，数据会增大 1/3。

四、源码下载地址

最快速度完成一款语音识别软件，给项目增加功能-桌面系统文档类资源-CSDN下载