使用Python与腾讯云接口对接，实现实时语音转写功能-猿码集

1. 前言

在语音识别领域，腾讯云提供了语音识别和语音唤醒的服务。其中，语音识别服务支持实时语音转写、一句话识别和录音文件识别等功能。本文主要介绍如何使用Python与腾讯云接口对接，实现实时语音转写功能。

2. 创建腾讯云账号并开通语音识别服务

2.1 创建腾讯云账号

如果您还没有腾讯云账号，请前往腾讯云官网注册。

2.2 开通语音识别服务

在腾讯云管理控制台中，搜索并进入“语音识别” 服务，点击“立即开通”。

重点提示：语音识别的试用期是7天。开通后，可以先试用一下功能，熟悉服务和接口。

3. 安装Python SDK for Tencent Cloud

3.1 安装Python SDK

安装腾讯云Python SDK，可以通过pip安装。在命令行输入以下命令：

pip install tencentcloud-sdk-python==3.0.224

3.2 设置SecretId和SecretKey

在使用Python SDK调用腾讯云API之前，需要先设置腾讯云账户的 SecretId 和 SecretKey。 SecretId 和 SecretKey 相当于腾讯云的账户和密码，需要保护好。

在腾讯云控制台中，点击左上角的“账户”下的“访问管理”进入“访问秘钥”页，单击“新建密钥”获取SecretId和SecretKey。

3.3 导入Python SDK并设置SecretId和SecretKey

将SDK导入Python文件中

from tencentcloud.common import credential
from tencentcloud.asr.v20190614 import asr_client, models
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
SecretId = "Your SecretId"
SecretKey = "Your SecretKey"
cred = credential.Credential(SecretId, SecretKey)

4. 实现实时语音转写功能

4.1 搭建框架

根据腾讯云语音识别功能接口，将实时语音转写功能放在 loop() 中，建立 main() 函数作为程序入口。

def loop():
    # 实时语音识别
def main():
    loop()
if __name__ == '__main__':
    main()

4.2 设置参数

设置请求参数。根据您的需求，可以设置不同的请求参数。例如：语音编码、是否开启腾讯云分贝音频过滤等。

params = {
    'EngineModelType': '16k_zh', # 模型类型：中文普通话16k，默认16k_zh和16k_en
    'ChannelNum': 1, # 声道数
    'ResTextFormat': 0, # 结果文本编码方式，0为UTF-8，1为BASE64编码
    'SourceType': 1, # 语音源的存储位置，0表示腾讯云，1表示用户自有资源；
    'NeedVad': 0, # 识别之前是否去除音频文件开头结尾静音部分：0-否，1-是
    'VadSilenceTime': 5000, # 去除静音部分的静音长度阈值，单位为毫秒
    'FilterDirty': 0, # 是否开启语音过滤：0-不开启，1-开启；
    'FilterModal': 0, # 是否开启语音音量大小过滤：0-不开启，1-开启；
    'FilterPunc': 0, # 是否开启语音标点符号过滤：0-不开启，1-开启；
    ' ConvertNumMode': 0, # 是否进行阿拉伯数字口语化处理：0 - 否，1 - 是，也就是将阿拉伯数字1, 2, 3,...10，11, 12，变为一，二，三，...十一，十二。目前仅中文普通话支持（默认为0）。
    }
config = models.RecognizeConfig()
config.ChannelNum = params['ChannelNum']
config.ResTextFormat = params['ResTextFormat']
config.SourceType = params['SourceType']
config.VadSilenceTime = params['VadSilenceTime']
request = models.CreateRecTaskRequest()
request.EngineModelType = params['EngineModelType']
request.RecognizeConfig = config
request.Data = input_stream
request.NeedVad = params['NeedVad'] == 1
request.FilterDirty = params['FilterDirty']
request.FilterModal = params['FilterModal']
request.FilterPunc = params['FilterPunc']
request.ConvertNumMode = params['ConvertNumMode']

4.3 调用API

创建ASR客户端和ClientProfile，并设置它们的参数。

clientProfile = ClientProfile()
httpProfile = HttpProfile()
httpProfile.Endpoint = "asr.tencentcloudapi.com"
client = asr_client.AsrClient(cred, "ap-guangzhou", clientProfile)
client._httpProfile = httpProfile
resp = client.CreateRecTask(request)
print(resp.to_json_string(indent=2))

4.4 完整代码

以下是完整的 Python 代码：

import pyaudio
import os
import time
import wave
from threading import Thread
from tencentcloud.common import credential
from tencentcloud.asr.v20190614 import asr_client, models
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
SecretId = "Your SecretId"
SecretKey = "Your SecretKey"
cred = credential.Credential(SecretId, SecretKey)
# 实时语音识别
def asr(input_stream):
    params = {
        'EngineModelType': '16k_zh', # 模型类型：中文普通话16k，默认16k_zh和16k_en
        'ChannelNum': 1, # 声道数
        'ResTextFormat': 0, # 结果文本编码方式，0为UTF-8，1为BASE64编码
        'SourceType': 1, # 语音源的存储位置，0表示腾讯云，1表示用户自有资源；
        'NeedVad': 0, # 识别之前是否去除音频文件开头结尾静音部分：0-否，1-是
        'VadSilenceTime': 5000, # 去除静音部分的静音长度阈值，单位为毫秒
        'FilterDirty': 0, # 是否开启语音过滤：0-不开启，1-开启；
        'FilterModal': 0, # 是否开启语音音量大小过滤：0-不开启，1-开启；
        'FilterPunc': 0, # 是否开启语音标点符号过滤：0-不开启，1-开启；
        ' ConvertNumMode': 0, # 是否进行阿拉伯数字口语化处理：0 - 否，1 - 是，也就是将阿拉伯数字1, 2, 3,...10，11, 12，变为一，二，三，...十一，十二。目前仅中文普通话支持（默认为0）。
    }
    config = models.RecognizeConfig()
    config.ChannelNum = params['ChannelNum']
    config.ResTextFormat = params['ResTextFormat']
    config.SourceType = params['SourceType']
    config.VadSilenceTime = params['VadSilenceTime']
    request = models.CreateRecTaskRequest()
    request.EngineModelType = params['EngineModelType']
    request.RecognizeConfig = config
    request.Data = input_stream
    request.NeedVad = params['NeedVad'] == 1
    request.FilterDirty = params['FilterDirty']
    request.FilterModal = params['FilterModal']
    request.FilterPunc = params['FilterPunc']
    request.ConvertNumMode = params['ConvertNumMode']
    clientProfile = ClientProfile()
    httpProfile = HttpProfile()
    httpProfile.Endpoint = "asr.tencentcloudapi.com"
    client = asr_client.AsrClient(cred, "ap-guangzhou", clientProfile)
    client._httpProfile = httpProfile
    resp = client.CreateRecTask(request)
    print(resp.to_json_string(indent=2))
def loop():
    CHUNK = 1024
    FORMAT = pyaudio.paInt16
    CHANNELS = 1
    RATE = 16000
    p = pyaudio.PyAudio()
    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)
    frames = []
    while True:
        if len(frames) > 0:
            data = b''.join(frames)
            frames = []
            asr(data)
        data = stream.read(CHUNK)
        frames.append(data)
    stream.stop_stream()
    stream.close()
    p.terminate()
def main():
    loop()
if __name__ == '__main__':
    main()

5. 总结

本文介绍了如何使用Python与腾讯云接口对接，实现实时语音转写功能。首先，需要在腾讯云上创建账号并开通语音识别服务；然后，较为详细地介绍了Python SDK的安装和配置；最后，给出了完整的代码实现，并介绍了一些重要的参数设置。

总的来说，使用腾讯云语音识别服务进行实时语音转写是一项不错的选择。腾讯云提供可靠的服务，同时也极大地降低了开发者的工作量，让开发者可以更加专注于实现业务逻辑。

使用Python与腾讯云接口对接，实现实时语音转写功能