短語音識別 API 簡介
概念解釋
短語音識別:將一段不超過60秒的語音轉(zhuǎn)換成文本,將音頻文件中的文字信息識別出來,代替?zhèn)鹘y(tǒng)輸入場景。
說明
Hi,您好,歡迎使用有道智云短語音識別API接口服務(wù)。
如果您想快速體驗服務(wù),建議您前往 語音識別體驗中心 或者在體驗中心右下側(cè)找到小程序二維碼,掃描進(jìn)行體驗。
本文檔主要針對需要集成API的技術(shù)開發(fā)工程師,詳細(xì)描述短語音識別能力相關(guān)的技術(shù)內(nèi)容。
如果您有與我們商務(wù)合作的需求,可以通過以下方式聯(lián)系我們:
商務(wù)郵箱: AIcloud_Business@corp.youdao.com
如果您對文檔內(nèi)容有任何疑問,可以通過以下幾種方式聯(lián)系我們:
客服QQ:1906538062
智云語音技術(shù)交流QQ群:861723255
聯(lián)系郵箱: zyservice@corp.youdao.com
溫馨提示:
- 本文檔主要針對開發(fā)人員,接入測試前需要在后臺創(chuàng)建API應(yīng)用,獲取
應(yīng)用ID
和應(yīng)用密鑰
;如果您還沒有,請按照 新手指南 獲取。 - 平臺向每個賬戶贈送50元的體驗金,供用戶集成前測試所用,具體資費規(guī)則詳見 短語音識別服務(wù)報價 。
接口說明
有道短語音識別API接口提供有道的短語音識別服務(wù),包含了中文和英文的識別功能。您只需要通過調(diào)用有道語音識別API,傳入待識別的音頻文件,并指定要識別的源語言種類,以POST方式請求就可以得到相應(yīng)的識別結(jié)果。
有道語音識別API HTTPS地址:
https://openapi.youdao.com/asrapi
語音支持:
格式支持:wav(不壓縮,pcm編碼,采樣率:推薦16k ,編碼:16bit位深的單聲道),aac,mp3
注:上傳的文件時長不能超過60s,文件大小不能超過10M。
接口調(diào)用參數(shù)
調(diào)用API需要向接口發(fā)送以下字段來訪問服務(wù)。
字段名 | 類型 | 含義 | 必填 | 備注 |
---|
q | text | 要翻譯的音頻文件的Base64編碼字符串 | True | 必須是Base64編碼 |
langType | text | 源語言 | True | 支持語言 |
appKey | text | 應(yīng)用 ID | True | 可在 應(yīng)用管理 查看 |
salt | text | UUID | True | uuid,唯一通用識別碼 |
curtime | text | 時間戳(秒) | true | 秒數(shù) |
sign | text | 簽名,通過sha256(應(yīng)用ID+q+salt+curtime+密鑰)生成 | True | sha256(應(yīng)用ID+input+salt+curtime+密鑰) |
signType | text | 簽名版本 | True | v3 |
format | text | 語音文件的格式,wav | true | wav |
rate | text | 采樣率, 推薦 16000 采用率 | true | 16000 |
channel | text | 聲道數(shù), 僅支持單聲道,請?zhí)顚懝潭ㄖ? | true | 1 |
type | text | 上傳類型, 僅支持base64上傳,請?zhí)顚懝潭ㄖ? | true | 1 |
簽名sign
生成方法如下:
1、將請求參數(shù)中的 應(yīng)用ID "appKey"
, Base64編碼字符串 "q"
,UUID "salt"
, 時間戳 "curTime"
和 應(yīng)用密鑰
按照 應(yīng)用ID+q+salt+curTime+應(yīng)用密鑰
的順序拼接得到字符串 str
。
其中,q的計算方式為:q
=q前10個字符
+ q長度
+ q后10個字符
(當(dāng)q長度大于20)或 input
=q字符串
(當(dāng)q長度小于等于20);
注意:
- 請先將需要翻譯的音頻文件轉(zhuǎn)換為 Base64 編碼
- 在發(fā)送 HTTP 請求之前需要對各字段做 URL encode。
- 在生成簽名拼接
應(yīng)用ID+q+salt+curTime+密鑰
字符串時,q
不需要做 URL encode,在生成簽名之后,發(fā)送 HTTP 請求之前才需要對要發(fā)送的待翻譯文本字段 q
做 URL encode。
輸出結(jié)果
響應(yīng)結(jié)果是以json形式輸出,包含字段如下表所示:
字段 | 含義 |
---|
errorCode | 識別結(jié)果錯誤碼,一定存在。 詳細(xì)信息參加 錯誤代碼列表 |
result | 識別結(jié)果,識別成功一定存在 |
示例
{
"result": [
"今天天氣不錯" //識別結(jié)果
],
"errorCode": "0", //錯誤碼。一定存在
}
支持語言
英文名 | 中文名 | 代碼 |
---|
Arabic | 阿拉伯語 | ar |
Bahasa (Indonesia) | 巴哈薩語(印度尼西亞) | in |
Cantonese | 粵語 | yue |
Catalan | 加泰隆語 | ca |
Czech | 捷克語 | cs |
Danish | 丹麥語 | da |
Dutch | 荷蘭語 | nl |
Dutch (Belgium) | 荷蘭語(比利時) | nl-BEL |
English (Australia) | 英語(澳大利亞) | en-AUS |
English (GB) | 英語(英國) | en-GBR |
English (India) | 英語(印度) | en-IND |
English (Ireland) | 英語(愛爾蘭) | en-IRL |
English (Scotland) | 英語(蘇格蘭) | en-SCT |
English (South Africa) | 英語(南非) | en-ZAF |
English (US) | 英語(美國) | en |
Finnish | 芬蘭語 | fi |
French | 法語 | fr |
French (Canada) | 法語(加拿大) | fr-CAN |
German | 德語 | de |
Greek | 希臘語 | el |
Hebrew | 希伯來語 | he |
Hindi | 印地語 | hi |
Hungarian | 匈牙利語 | hu |
Italian | 意大利語 | it |
Japanese | 日語 | ja |
Korean | 韓語 | ko |
Mandarin (China) | 普通話(中國) | zh-CHS |
Mandarin (Taiwan) | 普通話(中國臺灣) | zh-TWN |
Norwegian | 挪威語 | no |
Polish | 波蘭語 | pl |
Portuguese (Brazil) | 葡萄牙語(巴西) | pt-BRA |
Portuguese (Portugal) | 葡萄牙語(葡萄牙) | pt |
Romanian | 羅馬尼亞語 | ro |
Russian | 俄語 | ru |
Slovak | 斯洛伐克語 | sk |
Spanish (Castilian) | 西班牙語(卡斯蒂利亞) | es-ESP |
Spanish (Columbia) | 西班牙語(哥倫比亞) | es-COL |
Spanish (Mexico) | 西班牙語(墨西哥) | es-MEX |
Spanish (Mexico) | 西班牙語 | es |
Swedish | 瑞典語 | sv |
Thai | 泰語 | th |
Turkish | 土耳其語 | tr |
服務(wù)配置
支持格式 | 音頻大小上限 | 單次最大請求時長(s) | 每小時最大查詢次數(shù) | 每小時最大音頻時長(s) | 支持語言 |
---|
wav | 10M(編碼后) | 60 | 3000 | 60000 | 中/英/日/韓等詳細(xì)可參考支持的語言列表 |
- 注意:如需上調(diào)調(diào)用量請聯(lián)系技術(shù)人員咨詢。
錯誤代碼列表
錯誤碼 | 含義 |
---|
101 | 缺少必填的參數(shù),首先確保必填參數(shù)齊全,然后,確認(rèn)參數(shù)書寫是否正確。 |
102 | 不支持的語言類型 |
103 | 翻譯文本過長 |
104 | 不支持的API類型 |
105 | 不支持的簽名類型 |
106 | 不支持的響應(yīng)類型 |
107 | 不支持的傳輸加密類型 |
108 | 應(yīng)用ID無效,注冊賬號,登錄后臺創(chuàng)建應(yīng)用并完成綁定,可獲得應(yīng)用ID和應(yīng)用密鑰等信息 |
109 | batchLog格式不正確 |
110 | 無相關(guān)服務(wù)的有效應(yīng)用,應(yīng)用沒有綁定服務(wù),可以新建服務(wù)。注:某些服務(wù)的結(jié)果發(fā)音需要tts服務(wù),需要在控制臺創(chuàng)建語音合成實例綁定應(yīng)用后方能使用。 |
111 | 開發(fā)者賬號無效 |
112 | 請求服務(wù)無效 |
113 | q不能為空 |
114 | 不支持的圖片傳輸方式 |
201 | 解密失敗,可能為DES,BASE64,URLDecode的錯誤 |
202 | 簽名檢驗失敗,如果確認(rèn)應(yīng)用ID和應(yīng)用密鑰的正確性,仍返回202,一般是編碼問題。請確保翻譯文本 q 為UTF-8編碼. |
203 | 訪問IP地址不在可訪問IP列表 |
205 | 請求的接口與應(yīng)用的平臺類型不一致,確保接入方式(Android SDK、IOS SDK、API)與創(chuàng)建的應(yīng)用平臺類型一致。如有疑問請參考入門指南 |
206 | 因為時間戳無效導(dǎo)致簽名校驗失敗 |
207 | 重放請求 |
301 | 辭典查詢失敗 |
302 | 翻譯查詢失敗 |
303 | 服務(wù)端的其它異常 |
304 | 會話閑置太久超時 |
401 | 賬戶已經(jīng)欠費停 |
402 | offlinesdk不可用 |
411 | 訪問頻率受限,請稍后訪問 |
412 | 長請求過于頻繁,請稍后訪問 |
1001 | 無效的OCR類型 |
1002 | 不支持的OCR image類型 |
1003 | 不支持的OCR Language類型 |
1004 | 識別圖片過大 |
1201 | 圖片base64解密失敗 |
1301 | OCR段落識別失敗 |
1411 | 訪問頻率受限 |
1412 | 超過最大識別字節(jié)數(shù) |
2003 | 不支持的語言識別Language類型 |
2004 | 合成字符過長 |
2005 | 不支持的音頻文件類型 |
2006 | 不支持的發(fā)音類型 |
2201 | 解密失敗 |
2301 | 服務(wù)的異常 |
2411 | 訪問頻率受限,請稍后訪問 |
2412 | 超過最大請求字符數(shù) |
3001 | 不支持的語音格式 |
3002 | 不支持的語音采樣率 |
3003 | 不支持的語音聲道 |
3004 | 不支持的語音上傳類型 |
3005 | 不支持的語言類型 |
3006 | 不支持的識別類型 |
3007 | 識別音頻文件過大 |
3008 | 識別音頻時長過長 |
3009 | 不支持的音頻文件類型 |
3010 | 不支持的發(fā)音類型 |
3201 | 解密失敗 |
3301 | 語音識別失敗 |
3302 | 語音翻譯失敗 |
3303 | 服務(wù)的異常 |
3411 | 訪問頻率受限,請稍后訪問 |
3412 | 超過最大請求字符數(shù) |
4001 | 不支持的語音識別格式 |
4002 | 不支持的語音識別采樣率 |
4003 | 不支持的語音識別聲道 |
4004 | 不支持的語音上傳類型 |
4005 | 不支持的語言類型 |
4006 | 識別音頻文件過大 |
4007 | 識別音頻時長過長 |
4201 | 解密失敗 |
4301 | 語音識別失敗 |
4303 | 服務(wù)的異常 |
4304 | 識別結(jié)果為空 |
4411 | 訪問頻率受限,請稍后訪問 |
4412 | 超過最大請求時長 |
4416 | 包含不合時宜詞匯 |
4414 | 音頻格式轉(zhuǎn)換失敗 |
5001 | 無效的OCR類型 |
5002 | 不支持的OCR image類型 |
5003 | 不支持的語言類型 |
5004 | 識別圖片過大 |
5005 | 不支持的圖片類型 |
5006 | 文件為空 |
5201 | 解密錯誤,圖片base64解密失敗 |
5301 | OCR段落識別失敗 |
5411 | 訪問頻率受限 |
5412 | 超過最大識別流量 |
9001 | 不支持的語音格式 |
9002 | 不支持的語音采樣率 |
9003 | 不支持的語音聲道 |
9004 | 不支持的語音上傳類型 |
9005 | 不支持的語音識別 Language類型 |
9301 | ASR識別失敗 |
9303 | 服務(wù)器內(nèi)部錯誤 |
9411 | 訪問頻率受限(超過最大調(diào)用次數(shù)) |
9412 | 超過最大處理語音長度 |
10001 | 無效的OCR類型 |
10002 | 不支持的OCR image類型 |
10004 | 識別圖片過大 |
10201 | 圖片base64解密失敗 |
10301 | OCR段落識別失敗 |
10411 | 訪問頻率受限 |
10412 | 超過最大識別流量 |
11001 | 不支持的語音識別格式 |
11002 | 不支持的語音識別采樣率 |
11003 | 不支持的語音識別聲道 |
11004 | 不支持的語音上傳類型 |
11005 | 不支持的語言類型 |
11006 | 識別音頻文件過大 |
11007 | 識別音頻時長過長,最大支持30s |
11201 | 解密失敗 |
11301 | 語音識別失敗 |
11303 | 服務(wù)的異常 |
11411 | 訪問頻率受限,請稍后訪問 |
11412 | 超過最大請求時長 |
12001 | 圖片尺寸過大 |
12002 | 圖片base64解密失敗 |
12003 | 引擎服務(wù)器返回錯誤 |
12004 | 圖片為空 |
12005 | 不支持的識別圖片類型 |
12006 | 圖片無匹配結(jié)果 |
13001 | 不支持的角度類型 |
13002 | 不支持的文件類型 |
13003 | 表格識別圖片過大 |
13004 | 文件為空 |
13301 | 表格識別失敗 |
15001 | 需要圖片 |
15002 | 圖片過大(1M) |
15003 | 服務(wù)調(diào)用失敗 |
17001 | 需要圖片 |
17002 | 圖片過大(1M) |
17003 | 識別類型未找到 |
17004 | 不支持的識別類型 |
17005 | 服務(wù)調(diào)用失敗 |
音頻轉(zhuǎn)換
本部分描述如何把其他格式的音頻轉(zhuǎn)成符合語音識別輸入要求的格式文件。
語音識別底層使用的是wav格式,因此推薦使用wav格式音頻。音頻格式轉(zhuǎn)換推薦使用ffmpeg
ffmpeg簡介
ffmpeg是一個自由軟件,可以運行音頻、視頻多種格式的錄影、轉(zhuǎn)換、流功能,包含libavcodec--這是一個用于多個項目中的音頻、視頻的解碼器庫,以及l(fā)ibavformat--一個音頻和視頻格式轉(zhuǎn)換庫。
ffmpeg官網(wǎng):https://www.ffmpeg.org/
ffmpeg的github地址:https://github.com/FFmpeg/FFmpeg
ffmpeg編譯參數(shù)
ffmpeg默認(rèn)支持pcm與wav(pcm編碼)格式,額外的編譯參數(shù)如下:
—enable-libopencore-amrnb 支持amr-nb(8000 采樣率) 讀寫
—enable-libopencore-amrwb 支持amr-wb(16000 采樣率) 讀取
—enable-libvo-amrwbenc 支持amr-wb(16000 采樣率) 寫入
—enable-libmp3lame 支持mp3 寫入
ffmpeg -codecs 可以查看所有的格式:
D..... = Decoding supported # 讀取
.E.... = Encoding supported # 寫入
..A... = Audio codec # 音頻編碼
....L. = Lossy compression # 有損
.....S = Lossless compression # 無損
DEA..S pcm_s16le PCM signed 16-bit little-endian
DEA.LS wavpack WavPack
DEA.L. mp3 MP3 (MPEG audio layer 3)
DEA.L. amr_nb AMR-NB (Adaptive Multi-Rate NarrowBand)
DEA.L. amr_wb AMR-WB (Adaptive Multi-Rate WideBand)
主要參數(shù)
-i 設(shè)定輸入流
-f 設(shè)定格式
-ss 開始時間
wav、mp3、amr格式都自帶頭部,包含采樣率、編碼、多聲道等信息。而pcm為原始音頻信息,沒有頭部信息。wav(pcm編碼)就是pcm文件加了wav的頭部信息。
輸入wav、mp3、amr:
ffmpeg -i audio.wav/audio.mp3/audio.amr
輸入pcm格式:pcm需要額外告知編碼格式,采樣率,單聲道信息
-f s16le -ac 1 -ar 16000 -i 16k.pcm //單聲道、16000采樣率、16bits編碼的pcm文件
音頻參數(shù)
-ar 設(shè)定采樣率
-ac 設(shè)定聲音的channel數(shù)
-acodec 設(shè)定聲音編解碼器,未設(shè)定時則使用與輸入流相同的編解碼器
-an 不處理音頻
-ab 設(shè)置比特率(單位:bit/s,也許老版是kb/s),前面ac設(shè)置為立體聲時要以一半的比特率來設(shè)置,比如192kbps的就設(shè)置為96,轉(zhuǎn)換默認(rèn)比特率都較小,轉(zhuǎn)換默認(rèn)比特率都較小,要聽到高品質(zhì)聲音的話建議設(shè)到160kbps(80)以上。
在原始采樣率 大于或者接近16000的時候,推薦使用16000,8000采樣率會降低識別效果。
輸出wav和amr時,如果沒有指定聲音編解碼器,則會選擇默認(rèn)的編碼器。
輸出pcm:
-f s16le -ac 1 -ar 16000 16k.pcm // 單聲道 16000 采樣率 16bits編碼 pcm文件
輸出wav:
-ac 1 -ar 16000 16k.wav //單聲道 16000 采樣率 16bits編碼 pcm編碼的wav文件
amr-nb:全稱是:Adaptive Multi-Rate,自適應(yīng)多速率,是一種音頻編碼文件格式,專用于有效地壓縮語音頻率。amr-nb格式只能選 8000采樣率。bit rates越高音質(zhì)越好,但是文件越大
bit rates 4.75k, 5.15k, 5.9k, 6.7k, 7.4k, 7.95k, 10.2k or 12.2k
輸出 amr-wb 格式,采樣率 16000。 bit rates越高音質(zhì)越好,但是文件越大。
6600 8850 12650 14250 15850 18250 19850 23050 23850
常用參數(shù)
-y 覆蓋同名文件
-v 日志輸出 基本如-v ERROR -v quiet等
轉(zhuǎn)換命令示例
ffmpeg {常用參數(shù)} {輸入音頻參數(shù)} {輸出音頻參數(shù)}
wav 文件轉(zhuǎn) 16k 16bits 位深的單聲道pcm文件
ffmpeg -y -i 16k.wav -acodec pcm_s16le -f s16le -ac 1 -ar 16000 16k.pcm
pcm文件轉(zhuǎn)wav:
ffmpeg -y -f s16le -ar 16000 -ac 1 -acodec pcm_s16le 16k.pcm 16k.wav
m4a文件轉(zhuǎn)16k 16bits 位深的單聲道pcm文件
D:\ffmpeg\bin>ffmpeg -y -i test.m4a -acodec pcm_s16le -f s16le -ac 1 -ar 1600
0 16k.pcm
PCM文件音頻介紹
pcm保存的是未壓縮的音頻信息,沒有頭文件
16bits編碼是指每次采樣信息用2個字節(jié)保存。
16000采樣率,是指1秒采樣16000次,常見的音頻是44100HZ,即一秒采樣44100次。
單聲道: 只有一個聲道。
根據(jù)這些信息,可以得出:
1ms的16采樣率音頻文件大小是 2*16 = 32字節(jié) 。
1ms的8采樣率音頻文件大小是 2*8 = 16字節(jié),由此即可得到音頻的長度。
版本更新記錄
上線日期 | 版本號 | 更新內(nèi)容 |
---|
2018.03.29 | v1.0.0 | 支持15s以內(nèi)音頻識別;支持中文或者英文音頻識別。 |
2019.05.29 | v1.0.0 | 支持2min以內(nèi)音頻識別;支持中英混合音頻識別。 |
常用語言 Demo
Java 示例
package com.youdao.ai;
import org.apache.http.Header;
import org.apache.http.HttpEntity;
import org.apache.http.NameValuePair;
import org.apache.http.client.entity.UrlEncodedFormEntity;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.message.BasicNameValuePair;
import org.apache.http.util.EntityUtils;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.UUID;
import java.util.Base64;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
public class AsrV2Demo {
private static final String YOUDAO_URL = "https://openapi.youdao.com/asrapi";
private static final String APP_KEY = "您的應(yīng)用ID";
private static final String APP_SECRET = "您的應(yīng)用密鑰";
public static String truncate(String q) {
if (q == null) {
return null;
}
int len = q.length();
String result;
return len <= 20 ? q : (q.substring(0, 10) + len + q.substring(len - 10, len));
}
public static String loadAsBase64(String filename) {
InputStream in = null;
byte[] data = null;
try {
in = new FileInputStream(filename);
data = new byte[in.available()];
in.read(data);
in.close();
} catch (IOException e) {
e.printStackTrace();
}
return Base64.getEncoder().encodeToString(data);
}
public static String doRequest(String url, Map<String,String> requestParams) throws Exception{
String result = null;
CloseableHttpClient httpClient = HttpClients.createDefault();
HttpPost httpPost = new HttpPost(url);
List<NameValuePair> params = new ArrayList<NameValuePair>();
for (String key : requestParams.keySet()) {
params.add(new BasicNameValuePair(key, requestParams.get(key)));
}
httpPost.setEntity(new UrlEncodedFormEntity(params, "UTF-8"));
CloseableHttpResponse httpResponse = httpClient.execute(httpPost);
try {
HttpEntity httpEntity = httpResponse.getEntity();
result = EntityUtils.toString(httpEntity, "utf-8");
EntityUtils.consume(httpEntity);
} finally {
try {
if (httpResponse != null) {
httpResponse.close();
}
} catch(IOException e) {
System.out.println("## release resouce error ##" + e);
}
}
return result;
}
public static String getDigest(String string) {
if (string == null) {
return null;
}
char hexDigits[] = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F'};
byte[] btInput = string.getBytes(StandardCharsets.UTF_8);
try {
MessageDigest mdInst = MessageDigest.getInstance("SHA-256");
mdInst.update(btInput);
byte[] md = mdInst.digest();
int j = md.length;
char str[] = new char[j * 2];
int k = 0;
for (byte byte0 : md) {
str[k++] = hexDigits[byte0 >>> 4 & 0xf];
str[k++] = hexDigits[byte0 & 0xf];
}
return new String(str);
} catch (NoSuchAlgorithmException e) {
return null;
}
}
public static void main(String[] args) throws Exception {
Map<String, String> params = new HashMap<String, String>();
String filename = "音頻的路徑";
String langType = "合成文本的語言類型";
params.put("appKey", APP_KEY);
String q = loadAsBase64(filename);
params.put("q", q);
params.put("format", "wav");
params.put("rate", "16000");
params.put("channel", "1");
params.put("docType", "json");
params.put("type", "1");
String salt = UUID.randomUUID().toString();
params.put("salt", salt);
params.put("langType", langType);
String curtime = String.valueOf(System.currentTimeMillis() / 1000);
params.put("curtime", curtime);
String signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET;
String sign = getDigest(signStr);
params.put("sign", sign);
params.put("signType", "v2");
String result = doRequest(YOUDAO_URL, params);
System.out.println(result);
}
}
Python2 示例
# -*- coding: utf-8 -*-
import sys
import uuid
import requests
import wave
import base64
import hashlib
import time
reload(sys)
sys.setdefaultencoding('utf-8')
YOUDAO_URL = 'https://openapi.youdao.com/asrapi'
APP_KEY = '您的應(yīng)用ID'
APP_SECRET = '您的應(yīng)用密鑰'
def truncate(q):
if q is None:
return None
q_utf8 = q.decode("utf-8")
size = len(q_utf8)
return q_utf8 if size <= 20 else q_utf8[0:10] + str(size) + q_utf8[size - 10:size]
def encrypt(signStr):
hash_algorithm = hashlib.sha256()
hash_algorithm.update(signStr.encode('utf-8'))
return hash_algorithm.hexdigest()
def do_request(data):
headers = {'Content-Type': 'application/x-www-form-urlencoded'}
return requests.post(YOUDAO_URL, data=data, headers=headers)
def connect():
audio_file_path = '音頻的路徑'
lang_type = '合成文本的語言類型'
extension = audio_file_path[audio_file_path.rindex('.')+1:]
if extension != 'wav':
print '不支持的音頻類型'
sys.exit(1)
wav_info = wave.open(audio_file_path, 'rb')
sample_rate = wav_info.getframerate()
nchannels = wav_info.getnchannels()
wav_info.close()
with open(audio_file_path, 'rb') as file_wav:
q = base64.b64encode(file_wav.read())
data = {}
curtime = str(int(time.time()))
data['curtime'] = curtime
salt = str(uuid.uuid1())
signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET
sign = encrypt(signStr)
data['appKey'] = APP_KEY
data['q'] = q
data['salt'] = salt
data['sign'] = sign
data['signType'] = "v2"
data['langType'] = lang_type
data['rate'] = sample_rate
data['format'] = 'wav'
data['channel'] = nchannels
data['type'] = 1
response = do_request(data)
print response.content
if __name__ == '__main__':
connect()
Python3 示例
# -*- coding: utf-8 -*-
import sys
import uuid
import requests
import wave
import base64
import hashlib
from imp import reload
import time
reload(sys)
YOUDAO_URL = 'https://openapi.youdao.com/asrapi'
APP_KEY = '您的應(yīng)用ID'
APP_SECRET = '您的應(yīng)用密鑰'
def truncate(q):
if q is None:
return None
size = len(q)
return q if size <= 20 else q[0:10] + str(size) + q[size-10:size]
def encrypt(signStr):
hash_algorithm = hashlib.sha256()
hash_algorithm.update(signStr.encode('utf-8'))
return hash_algorithm.hexdigest()
def do_request(data):
headers = {'Content-Type': 'application/x-www-form-urlencoded'}
return requests.post(YOUDAO_URL, data=data, headers=headers)
def connect():
audio_file_path = '音頻的路徑'
lang_type = '合成文本的語言類型'
extension = audio_file_path[audio_file_path.rindex('.')+1:]
if extension != 'wav':
print('不支持的音頻類型')
sys.exit(1)
wav_info = wave.open(audio_file_path, 'rb')
sample_rate = wav_info.getframerate()
nchannels = wav_info.getnchannels()
wav_info.close()
with open(audio_file_path, 'rb') as file_wav:
q = base64.b64encode(file_wav.read()).decode('utf-8')
data = {}
curtime = str(int(time.time()))
data['curtime'] = curtime
salt = str(uuid.uuid1())
signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET
sign = encrypt(signStr)
data['appKey'] = APP_KEY
data['q'] = q
data['salt'] = salt
data['sign'] = sign
data['signType'] = "v2"
data['langType'] = lang_type
data['rate'] = sample_rate
data['format'] = 'wav'
data['channel'] = nchannels
data['type'] = 1
response = do_request(data)
print(response.content)
if __name__ == '__main__':
connect()
C#示例
using System;
using System.IO;
using System.Web;
using System.Net;
using System.Linq;
using System.Text;
using System.Drawing;
using System.Threading.Tasks;
using System.Collections.Generic;
using System.Collections.Specialized;
using System.Security.Cryptography;
namespace zhiyun_csharp_demo
{
class AsrV2Demo
{
public static void Main()
{
String url = "https://openapi.youdao.com/asrapi";
Dictionary<String, String> dic = new Dictionary<String, String>();
string q = LoadAsBase64("音頻的路徑");
string appKey = "您的應(yīng)用ID";
string appSecret = "您的應(yīng)用密鑰";
string langType = "合成文本的語言類型";
string format = "wav";
string rate = "16000";
string channel = "1";
string type = "1";
string salt = Guid.NewGuid().ToString();
TimeSpan ts = (DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, DateTimeKind.Utc));
long millis = (long) ts.TotalMilliseconds;
string curtime = Convert.ToString(millis / 1000);
dic.Add("curtime", curtime);
string signStr = appKey + Truncate(q) + salt + curtime + appSecret;;
string sign = ComputeHash(signStr, new SHA256CryptoServiceProvider());
dic.Add("q", System.Web.HttpUtility.UrlEncode(q));
dic.Add("appKey", appKey);
dic.Add("langType", langType);
dic.Add("format", format);
dic.Add("rate", rate);
dic.Add("channel", channel);
dic.Add("type", type);
dic.Add("salt", salt);
dic.Add("sign", sign);
dic.Add("signType", "v2");
string result = Post(url, dic);
Console.WriteLine(result);
}
protected static string ComputeHash(string input, HashAlgorithm algorithm)
{
Byte[] inputBytes = Encoding.UTF8.GetBytes(input);
Byte[] hashedBytes = algorithm.ComputeHash(inputBytes);
return BitConverter.ToString(hashedBytes).Replace("-", "");
}
protected static string Truncate(string q)
{
if (q == null)
{
return null;
}
int len = q.Length;
return len <= 20 ? q : (q.Substring(0, 10) + len + q.Substring(len - 10, 10));
}
protected static string LoadAsBase64(string filename)
{
try
{
FileStream filestream = new FileStream(filename, FileMode.Open);
byte[] arr = new byte[filestream.Length];
filestream.Position = 0;
filestream.Read(arr, 0, (int)filestream.Length);
filestream.Close();
return Convert.ToBase64String(arr);
}
catch (Exception ex)
{
return null;
}
}
protected static string Post(string url, Dictionary<String, String> dic)
{
string result = "";
HttpWebRequest req = (HttpWebRequest)WebRequest.Create(url);
req.Method = "POST";
req.ContentType = "application/x-www-form-urlencoded";
StringBuilder builder = new StringBuilder();
int i = 0;
foreach (var item in dic)
{
if (i > 0)
builder.Append("&");
builder.AppendFormat("{0}={1}", item.Key, item.Value);
i++;
}
byte[] data = Encoding.UTF8.GetBytes(builder.ToString());
req.ContentLength = data.Length;
using (Stream reqStream = req.GetRequestStream())
{
reqStream.Write(data, 0, data.Length);
reqStream.Close();
}
HttpWebResponse resp = (HttpWebResponse)req.GetResponse();
Stream stream = resp.GetResponseStream();
using (StreamReader reader = new StreamReader(stream, Encoding.UTF8))
{
result = reader.ReadToEnd();
}
return result;
}
}
}
PHP 示例
<?php
define("CURL_TIMEOUT", 2000);
define("URL", "https://openapi.youdao.com/asrapi");
define("APP_KEY", "您的應(yīng)用ID"); // 替換為您的應(yīng)用ID
define("SEC_KEY", "您的應(yīng)用密鑰"); // 替換為您的密鑰
function do_request($q, $langType, $channel, $rate, $format)
{
$salt = create_guid();
$args = array(
'q' => $q,
'appKey' => APP_KEY,
'salt' => $salt,
'langType' => $langType,
'channel' => $channel,
'rate' => $rate,
'format' => $format,
'type' => "1",
'signType' => "v2",
);
$curtime = strtotime("now");
$args['curtime'] = $curtime;
$signStr = APP_KEY . truncate($q) . $salt . $curtime . SEC_KEY;
$args['sign'] = hash("sha256", $signStr);
$ret = call(URL, $args);
print_r($ret);
$ret = json_decode($ret, true);
return $ret;
}
// 發(fā)起網(wǎng)絡(luò)請求
function call($url, $args=null, $method="post", $testflag = 0, $timeout = CURL_TIMEOUT, $headers=array())
{
$ret = false;
$i = 0;
while($ret === false)
{
if($i > 1)
break;
if($i > 0)
{
sleep(1);
}
$ret = callOnce($url, $args, $method, false, $timeout, $headers);
$i++;
}
return $ret;
}
function callOnce($url, $args=null, $method="post", $withCookie = false, $timeout = CURL_TIMEOUT, $headers=array())
{
$ch = curl_init();
if($method == "post")
{
$data = convert($args);
curl_setopt($ch, CURLOPT_POSTFIELDS, $data);
curl_setopt($ch, CURLOPT_POST, 1);
}
else
{
$data = convert($args);
if($data)
{
if(stripos($url, "?") > 0)
{
$url .= "&$data";
}
else
{
$url .= "?$data";
}
}
}
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_TIMEOUT, $timeout);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
if(!empty($headers))
{
curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);
}
if($withCookie)
{
curl_setopt($ch, CURLOPT_COOKIEJAR, $_COOKIE);
}
$r = curl_exec($ch);
curl_close($ch);
return $r;
}
function convert(&$args)
{
$data = '';
if (is_array($args))
{
foreach ($args as $key=>$val)
{
if (is_array($val))
{
foreach ($val as $k=>$v)
{
$data .= $key.'['.$k.']='.rawurlencode($v).'&';
}
}
else
{
$data .="$key=".rawurlencode($val)."&";
}
}
return trim($data, "&");
}
return $args;
}
// uuid generator
function create_guid(){
$microTime = microtime();
list($a_dec, $a_sec) = explode(" ", $microTime);
$dec_hex = dechex($a_dec* 1000000);
$sec_hex = dechex($a_sec);
ensure_length($dec_hex, 5);
ensure_length($sec_hex, 6);
$guid = "";
$guid .= $dec_hex;
$guid .= create_guid_section(3);
$guid .= '-';
$guid .= create_guid_section(4);
$guid .= '-';
$guid .= create_guid_section(4);
$guid .= '-';
$guid .= create_guid_section(4);
$guid .= '-';
$guid .= $sec_hex;
$guid .= create_guid_section(6);
return $guid;
}
function truncate($q) {
$len = abslength($q);
return $len <= 20 ? $q : (mb_substr($q, 0, 10) . $len . mb_substr($q, $len - 10, $len));
}
function abslength($str)
{
if(empty($str)){
return 0;
}
if(function_exists('mb_strlen')){
return mb_strlen($str,'utf-8');
}
else {
preg_match_all("/./u", $str, $ar);
return count($ar[0]);
}
}
function ensure_length(&$string, $length){
$strlen = strlen($string);
if($strlen < $length)
{
$string = str_pad($string, $length, "0");
}
else if($strlen > $length)
{
$string = substr($string, 0, $length);
}
}
function create_guid_section($characters){
$return = "";
for($i = 0; $i < $characters; $i++)
{
$return .= dechex(mt_rand(0,15));
}
return $return;
}
$file = "音頻的路徑";
$langType = "合成文本的語言類型";
$fp = fopen($file, "r") or die("Can't open file");
// base64編碼
$q = chunk_split(base64_encode(fread($fp, filesize($file))));
fclose($fp);
do_request($q, $langType, "1", 16000, "wav");
?>