目录
一、前期准备
二、语音合成
三、语音识别
实现整个流程如下图，但是我们的工作量并不是很多，我们可以在官网找到示例代码
一、前期准备
这里我们使用到3个代码
API_KEY.py 填写我们的API
xzarm_asr.py 语音识别
xzarm_tts.py 语音合成
python"># API_KEY.py
# 小智-学长 2024-10-19# 百度智能云千帆AppBuilder-SDK
#https://console.bce.baidu.com/ai_apaas/secretKey
APPBUILDER_TOKEN = "bce-v3/ALTAK-zQsH6******"#语音合成# 百度智能云千帆ModelBuilder
# https://console.bce.baidu.com/ai/#/ai/speech/overview/index
APPBUILDER_token = "25.548acf45ed740******"#语音识别
后期我们可能用到这两个网站，我们先暂时放置在这里，分别使用到百度智能云千帆AppBuilder-SDK、ModelBuilder，对应着语音合成和语音识别。
百度智能云千帆AppBuilder-SDK
https://console.bce.baidu.com/ai_apaas/secretKey
语音合成：百度智能云千帆AppBuilder-SDK
百度智能云千帆ModelBuilderhttps://console.bce.baidu.com/ai/#/ai/speech/overview/index
语音识别：百度智能云千帆ModelBuilder
我们先安装用到的库
python">pip install --upgrade appbuilder-sdk下载速度慢可能是由于网络连接不稳定或者与 PyPI 的服务器距离较远。你可以尝试以下几种方法来加快下载速度：
国内的 PyPI 镜像源速度通常更快，可以通过指定源来加速下载。例如，使用阿里云镜像
python">pip install --upgrade nodezator -i https://mirrors.aliyun.com/pypi/simple/其他常见的国内镜像源：
- 清华大学：
https://pypi.tuna.tsinghua.edu.cn/simple/- 豆瓣：
https://pypi.doubanio.com/simple/
将以上 URL 替换到 -i 后即可。
二、语音合成
打开我们的网址百度智能云千帆AppBuilder，点击“密钥管理”，没有密钥的话就新建一个
记录这个值，填写到API_KEY.py 的APPBUILDER_TOKEN
需要填写：xzarm_tts_tts(TEXT=' ', tts_wav_path = ' ')
运行代码将保存语音文件wav到指定的文件夹下
python"># xzarm_tts.py
# 小智-学长 2024-5-23
# 语音合成print('导入语音合成模块')import os
import appbuilder
from API_KEY import *
os.environ["APPBUILDER_TOKEN"] = APPBUILDER_TOKEN
tts_ab = appbuilder.TTS()def xzarm_tts_tts(TEXT='我是小智大模型AI机械臂，您可以说出你的要求，我会一一完成要求', tts_wav_path = 'temp/xzarm_tts_tts.wav'):'''语音合成TTS，生成wav音频文件'''inp = appbuilder.Message(content={"text": TEXT})out = tts_ab.run(inp, model="paddlespeech-tts", audio_type="wav")with open(tts_wav_path, "wb") as f:f.write(out.content["audio_binary"])print("TTS语音合成，导出wav音频文件至：{}".format(tts_wav_path))
xzarm_tts_tts(TEXT='我是大模型AI机械臂，您可以说出你的要求，我会一一完成要求哦', tts_wav_path = 'temp/xzarm_tts_tts.wav')三、语音识别
打开我们的网址语音技术 - 百度智能云控制台，点击“应用列表” “创建应用”
我们点击“API在线调试”，找到refresh_token的值，填到API_KEY.py 的APPBUILDER_token
记录这个值，填写到API_KEY.py 的APPBUILDER_token
运行代码将显示出识别的结果，如果不是，请查看错误码对应的问题。
python"># xzarm_asr.py
# 小智-学长 2024-10-19
# 录音+语音识别print('导入录音+语音识别模块')
import os,json,base64,requests
from API_KEY import *def xzarm_asr_recognition(audio_path='temp/speech_record.wav'):"""录音文件的语音识别，返回识别结果:param audio_path: 需要识别的音频文件路径:return: 语音识别结果文本"""url = "https://vop.baidu.com/server_api"# 读取音频文件并进行Base64编码with open(audio_path, "rb") as f:content = base64.b64encode(f.read()).decode("utf8")size = os.path.getsize(audio_path)# 准备请求数据payload = json.dumps({"format": "pcm","rate": 16000,"channel": 1,"cuid": "Hy5qg1neIBkl8ltIHWefF6uwTtNBmF49","token": APPBUILDER_token,"speech": content,"len": size})headers = {'Content-Type': 'application/json','Accept': 'application/json'}# 发起POST请求response = requests.post(url, headers=headers, data=payload)response_data = response.json()# 解析并返回识别结果if 'result' in response_data: text = response_data['result'][0]print('语音识别结果：:', text)return textelse:print("识别失败:", response_data)return None
xzarm_asr_recognition(audio_path='temp/xzarm_tts_tts.wav')结果：
