【百度语音识别】JavaAPI方式语音识别示例
756665228 发布于2017-12-06 10:57 浏览:186 回复:8
1
收藏

【百度语音识别】JavaAPI方式语音识别示例MP3转PCM

  • Java-API合成语音示例:http://ai.baidu.com/forum/topic/show/496727
  • REST-API文档地址:http://ai.baidu.com/docs#/TTS-API/top
  • 注意:需要下载MP3插件jar。才可以进行MP3CONVERTPCM 链接: https://pan.baidu.com/s/1i5pJxpb 密码: 8w4x
  • 遇到的坑:HTTPUtil工具类中。不需要拼接access_token参数。大家注意一下。ContentType也改一下。

----------------------------------------------------开始代码示例----------------------------------------------------

  • 写一个MP3转PCM的方法 需要下载注意的jar才可以正确转换哦

第一步就是语音合成的MP3文件转换PCM格式文件

package com.xs.audio.tns;

import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStream;

import javax.sound.sampled.AudioFormat;
import javax.sound.sampled.AudioInputStream;
import javax.sound.sampled.AudioSystem;
/**
 * MP3转PCM Java方式实现
 * @author 小帅丶
 * @date 2017年12月6日
 */
public class MP3ConvertPCM {
	/**
	 * MP3转换PCM文件方法
	 * @param mp3filepath 原始文件路径
	 * @param pcmfilepath 转换文件的保存路径
	 * @throws Exception 
	 */
	public static void mp3Convertpcm(String mp3filepath,String pcmfilepath) throws Exception{
		File mp3 = new File(mp3filepath);
		File pcm = new File(pcmfilepath);
		//原MP3文件转AudioInputStream
		AudioInputStream mp3audioStream = AudioSystem.getAudioInputStream(mp3);
		//将AudioInputStream MP3文件 转换为PCM AudioInputStream
		AudioInputStream pcmaudioStream = AudioSystem.getAudioInputStream(AudioFormat.Encoding.PCM_SIGNED, mp3audioStream);
		//准备转换的流输出到OutputStream
		OutputStream os = new FileOutputStream(pcm);
		int bytesRead = 0;
		byte[] buffer = new byte[8192];
		while ((bytesRead=pcmaudioStream.read(buffer, 0, 8192))!=-1) {
			os.write(buffer, 0, bytesRead);
		}
		os.close();
		pcmaudioStream.close();
	}
}
  • HttpUtil工具类新增加一个postASR的方法
  /**
     * 获取语音识别内容
     * @param requestUrl
     * @param params
     * @return
     * @throws Exception
     */
    public static String postASR(String requestUrl, String params) throws Exception {
    	System.out.println(params);
    	String generalUrl = requestUrl;//这里不需要对接口地址拼接access_token参数 切记!!!
        System.out.println("发送的连接为:"+generalUrl);
        URL url = new URL(generalUrl);
        // 打开和URL之间的连接
        HttpURLConnection connection = (HttpURLConnection) url.openConnection();
    	System.out.println("打开链接,开始发送请求"+new Date().getTime()/1000);
        connection.setRequestMethod("POST");
        // 设置通用的请求属性
        connection.setRequestProperty("Content-Type", "application/json");
        connection.setRequestProperty("Connection", "Keep-Alive");
        connection.setUseCaches(false);
        connection.setDoOutput(true);
        connection.setDoInput(true);
        // 得到请求的输出流对象
        DataOutputStream out = new DataOutputStream(connection.getOutputStream());
        out.writeBytes(params);
        out.flush();
        out.close();
        // 建立实际的连接
        connection.connect();
        // 获取所有响应头字段
        Map<String, List<String>> headers = connection.getHeaderFields();
        // 遍历所有的响应头字段
        for (String key : headers.keySet()) {
            System.out.println(key + "--->" + headers.get(key));
        }
        // 定义 BufferedReader输入流来读取URL的响应
        BufferedReader in = null;
        if (requestUrl.contains("nlp"))
            in = new BufferedReader(new InputStreamReader(connection.getInputStream(), "GBK"));
        else
            in = new BufferedReader(new InputStreamReader(connection.getInputStream(), "UTF-8"));
        String result = "";
        String getLine;
        while ((getLine = in.readLine()) != null) {
            result += getLine;
        }
        in.close();
        System.out.println("请求结束"+new Date().getTime()/1000);
        System.out.println("result:" + result);
        return result;
    }
  • 下面就是语音识别的示例代码哦
package com.xs.audio.tns;

import java.io.File;
import java.util.HashMap;

import com.xs.util.baidu.Base64Util;
import com.xs.util.baidu.FileUtil;
import com.xs.util.baidu.HttpUtil;
import com.xs.util.baidu.RandomStringGenerator;
/**
 * 语音识别Java-API JSON上传方式示例代码
 * @author 小帅丶
 *
 */
public class Audio2Text {
	//接口地址
	private static final String AUDIO2TEXT_URL = "http://vop.baidu.com/server_api";
	public static void main(String[] args) throws Exception {
		//合成的MP3语音文件
		String path = "C:/Users/Administrator/text2audio/VOICE1512521962.mp3";
		//MP3转pcm要保存的路径和文件名
		String path2 = "C:/Users/Administrator/text2audio/VOICE1512521962.pcm";
		MP3ConvertPCM.mp3Convertpcm(path, path2);
		// 对语音二进制数据进行识别   
	    byte[] data = FileUtil.readFileByBytes(path2);    //readFileByBytes仅为获取二进制数据示例
	    String speech = Base64Util.encode(data);
	    File file = new File(path2);
	    long len = file.length();
	    String result = Audio2text("pcm", 16000,RandomStringGenerator.getRandomStringByLength(60),"自己获取的AccessToken", speech, len);
	    System.out.println(result);
	}
	/**
	 * JSON方式上传
	 * @param format	必填	语音文件的格式,pcm 或者 wav 或者 amr。不区分大小写。推荐pcm文件
	 * @param rate	必填	采样率, 8000 或者 16000, 推荐 16000 采用率
	 * @param channel	必填	声道数,仅支持单声道,请填写固定值 1
	 * @param cuid	必填	用户唯一标识,用来区分用户,计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码,长度为60字符以内。
	 * @param token	必填	开放平台获取到的access_token, 见上面的“鉴权认证机制”段落
	 * @param lan	选填	语种选择,默认中文(zh)。 中文=zh、粤语=ct、英文=en,不区分大小写
	 * @param url	选填	可下载的语音下载地址,与callback连一起使用,确保百度服务器可以访问。
	 * @param callback	选填	用户服务器的识别结果回调地址,确保百度服务器可以访问
	 * @param speech	选填	本地语音文件的的二进制语音数据 ,需要进行base64 编码。与len参数连一起使用。
	 * @param len	选填	本地语音文件的的字节数,单位字节
	*/
	public static String Audio2text(String format,Integer rate,String cuid,String token,String speech,long len) throws Exception{
		HashMap<String, Object> paramMap = new HashMap<String, Object>();
		paramMap.put("speech",speech);
		paramMap.put("format", format);
		paramMap.put("rate", rate);
		paramMap.put("channel",1);
		paramMap.put("cuid",cuid);
		paramMap.put("token", token);
		paramMap.put("len", len);
		net.sf.json.JSONObject params = net.sf.json.JSONObject.fromObject(paramMap);
		String data = HttpUtil.postASR(AUDIO2TEXT_URL,params.toString());
		System.out.println("语音文件识别的内容:"+data);
		return data;
	}
}

看看返回的内容

{
    "corpus_no": "6496262443167631439", 
    "err_msg": "success.", 
    "err_no": 0, 
    "result": [
        "开发者小帅你好,"
    ], 
    "sn": "74778487111512528965"
}

以上就是语音识别Java-API调用示例代码哦。难点是MP3转PCM会卡壳开发者们。

合成返回的只有mp3这一点不是很友好。百度语音部门应该优化一下哦

收藏
点赞
1
个赞
共8条回复 最后由756665228回复于2017-12-06 16:04
#2goJhou回复于2017-12-06

7叔,使命必答。江湖人称 家哇杀手

0
#3卡农LLLL回复于2017-12-06

原来下一贴就在这里...6666666.已收藏.

0
#4756665228回复于2017-12-06
  • 语音合成的示例:http://ai.baidu.com/forum/topic/show/496727
1
#5荒墨丶迷失回复于2017-12-06

小帅实例解说,小弟深感佩服~

0
#6fujiayi1984回复于2017-12-06

感谢整理,此外合成的音频不是自然人的发生,识别率有下降,请预知。

音频文件转码也可以参考:http://speech.baidu.com/docs/asr/58

0
#7756665228回复于2017-12-06
#6 fujiayi1984回复
感谢整理,此外合成的音频不是自然人的发生,识别率有下降,请预知。 音频文件转码也可以参考:http://speech.baidu.com/docs/asr/58
展开

ffmpeg 我也看过。我就是想用Java实现。所以就没用ffmpeg 

1
#8zhuyisheng08回复于2017-12-06

我实现的是ffmpeg,也还好,转wav,pcm

0
#9756665228回复于2017-12-06
#8 zhuyisheng08回复
我实现的是ffmpeg,也还好,转wav,pcm

是通过Java代码实现吗?如果可以建议分享出来哦

1
TOP
切换版块