1.什么是人工智能?
顾名思义就是由人创造的"智慧能力",具备听说看理解等能力.
听 ==语音识别
说 ==语音合成
看 ==图像视频文字识别
理解 ==语言(文字)图像视频理解等逻辑处理
思考 ==理解后的逻辑处理
2.目前人工智能做了什么?
语音识别:小米的小爱同学,苹果 的siri,微软的Cortana
语音合成:小米的小爱同学,苹果 的siri,微软的Cortana
图像识别:交通摄像头拍违章,刷脸解锁手机等
视频识别:抖音内容审核,视频社交APP的审核机制
文字识别:从身份证照片提取身份证号码,扫一扫翻译
3.人工智能平台 --百度AI:
创建一个应用
>>>>>>>>>>>>>>>>>>>>>>>
创建好应用后,在查看应用详情时,会有几个重要的信息
编辑:可以重新对一些接口的选择查看文档:对各种功能如语音识别,语音合成等等的介绍,使用方法,接口等的描述,通过查看文档可以快速的掌握各种功能
4.语音合成的实例:把文本合成语音
SDK:就是为某软件专门封装的接口
语音合成文档>>>>>>sdk文档>>>>>>>.Python文档(仔细阅读文档)
1.Python SDK 接口能力:将文字转换成音频文件的技术
2.注意事项 合成文本长度必须小于1024字节，如果本文长度较长，可以采用多次请求的方式。切忌文本长度超过限制
3.安装语音合成Python SDK
如果已安装pip，执行pip install baidu-aip即可。如果已安装setuptools，执行python setup.py install即可。
4.新建AipSpeech
AipSpeech是语音合成的Python SDK客户端，为使用语音合成的开发人员提供了一系列的交互方法。
参考如下代码新建一个AipSpeech：参数对应的是,查看应用详情时,里面的几个重要的信息
from aip import AipSpeech""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
5.把一段文字合成为语音文件(实例)：
result = client.synthesis('你好百度', 'zh', 1, {'vol': 5, #音量大小"spd":5, #语速"pit":5, #语调"per":1, #情感发音})# 识别正确返回语音二进制 错误则返回dict 参照下面错误码if not isinstance(result, dict):with open('audio.mp3', 'wb') as f:f.write(result)
5.语音识别:将一个可读的语音文件转换成计算机可识别的字符串序列
语音识别文档>>>>>>sdk文档>>>>>>>.Python文档(仔细阅读文档)支持的语音格式
原始 PCM 的录音参数必须符合 8k/16k 采样率、16bit 位深、单声道，支持的格式有：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。
注意事项:目前系统支持的语音时长上限为60s，请不要超过这个长度，否则会返回错误。
5.1.安装语音合成Python SDK
如果已安装pip，执行pip install baidu-aip即可。如果已安装setuptools，执行python setup.py install即可。
5.2.新建AipSpeech
参数对应的是,查看应用详情时,里面的几个重要的信息
from aip import AipSpeech""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
接口说明:向远程服务上传整段语音进行识别后返回字符串
5.3.要对保存有一段语音的语音文件进行识别(实例)：
# 读取文件def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()# 识别本地文件ret = client.asr(get_file_content('audio2.pcm'), 'pcm', 16000, {'dev_pid': 1536,})print(ret.get('result')[0])#得到语音文件的文本内容
dev_pid 参数列表音频文件转换格式使用软件ffmpeg,命令为ffmpeg -y -iaudio.wav -acodec pcm_s16le -f s16le -ac 1 -ar 16000audio.pcm使用说明:/EditPosts.aspx?opt=1
5.4.自动转换文件格式,然后识别文件 使用os模块
import osfrom aip import AipSpeech""" 你的 APPID AK SK """APP_ID = '16027163'API_KEY = 'wFXvuArTz8aWFou05jjs8XIG'SECRET_KEY = 'Ty6jGhtdR9GzCs8smn5HRGNNwtz0QkUQ'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)# 读取文件def get_file_content(filePath):os.system(f'ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')with open(f'{filePath}.pcm', 'rb') as fp:return fp.read()ret = client.asr(get_file_content('2.m4a'), 'pcm', 16000, {'dev_pid': 1536,})print(ret.get('result')[0])#得到语音文件的文本内容
