在之前的项目中用到了百度语音辨认服务，在这里做1个笔记。这里还是要和大家强调1下，最好的学习资料就是官网网站。我这里只是1个笔记，1方面整理了思路，另外一方面方便以后我再次用到的时候可以快速回想起来。
百度语音辨认服务能将语音文件（指定格式，不是所有格式都可以）辨认成文本。语音辨认我们都接触过，手机输入法里就有语音辨认服务。
依照官网的说法
行业率先推出语音辨认REST API，采取HTTP方式要求，可适用于任何平台的语音辨认，给你最大的自由度！
简单说来，就是不必在开发者的项目中写入代码，或引入 jar 包 。 REST API 就是将音频文件转换成某种特定格式，通过 http 要求发送给百度语音辨认的服务器，由百度语音辨认的服务器进行语音辨认，最后返回辨认出的文本。
在我看来，她好在可以很方便的调用，我们自己不用去保护语音辨认部份的代码，接入也10分简单，关键是她是免费的！
使用的方式简单说来是
1、根据百度语音辨认官方网站提供的
App ID 和 API Key 获得 accessToken。
2、根据上1步的 accessToken 连同其它要求参数1起向百度语音辨认网关发出要求，取得辨认的文本。
是否是觉得和微信公众平台的开发有点像？的确是这样的。微信公众平台的开发的确也是先获得 token，再通过 token 去要求其它数据。
本集成步骤参考了《Baidu_Voice_REST_API_Manual》。建议各位朋友先下载该资料学习。
这1步非常简单，在官网上也有操作提示，这里就不多介绍了。
开通语音辨认服务的步骤也非常简单，大家可以自行操作或参考官方文档。这里要注意：“ 语音辨认” 服务初次开通成功后便可取得 50000 次/ 日 的在线调用次数配额。
如果我们每天调用的次数大于 50000 次，可以向百度申请提高次数，听说也是免费的，大赞。
以下的步骤就很关键了，由于我们要开始写代码了。
简而言之，就是向百度 OAuth2.0 授权服务的网关发出要求，将返回的数据（1般是字符串）进行解析，解析出我们想要的 Access Token。下面的图片截取自官网文档，写得非常详细了。
说明：其实就是使用 API Key 和 Secret Key 和1个固定值的参数向百度 OAuth2.0 授权服务的网关发出 POST 要求，如果要求成功，则解析返回的字符串，从中解析出 access token 待用。
为了方便说明问题，下面代码没有利用良好格式，仅仅只是测试的方法，不建议直接利用于生产环境。
本例使用 HttpClient 框架发送 post 要求，HttpClient 的 Gradle 依赖为：
compile "org.apache.httpcomponents:httpclient:4.5.2"示例代码：
/**
* 获得 token，推荐用 POST 方法
*/
@Test
public void test01(){
try {
CloseableHttpClient httpClient = HttpClients.createDefault();
HttpPost httpPost = new HttpPost("https://openapi.baidu.com/oauth/2.0/token");
List<NameValuePair> nvps = new ArrayList<>();
nvps.add(new BasicNameValuePair("grant_type","client_credentials"));
nvps.add(new BasicNameValuePair("client_id",apiKey));
nvps.add(new BasicNameValuePair("client_secret",secretKey));
httpPost.setEntity(new UrlEncodedFormEntity(nvps));
ResponseHandler<String> responseHandler = new ResponseHandler(){
@Override
public String handleResponse(HttpResponse response) throws ClientProtocolException, IOException {
int status = response.getStatusLine().getStatusCode();
if (status >= 200 && status < 300) {
HttpEntity entity = response.getEntity();
try {
return entity != null ? EntityUtils.toString(entity) : null;
} catch (ParseException ex) {
throw new ClientProtocolException(ex);
}
} else {
throw new ClientProtocolException("Unexpected response status: " + status);
}
}
};
String responseBody = httpClient.execute(httpPost,responseHandler);
System.out.println(responseBody);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
} catch (ClientProtocolException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}返回数据：
{"access_token":"24.463f2a9f7ce6721fe4d15568f812c086.2592000.1469627568.282335⑺038695","session_key":"9mzdDxLM148MA1QmcNNrxGfLYBU9VokNbUY\/8WsJ1r4rUSev1bjP9GTKP6L6SVDnjx4BZxE5ZpJoqztA2K7O0MM9l0Z4","scope":"public audio_voice_assistant_get wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian","refresh_token":"25.f77abdb8f638404747dd969615c7b557.315360000.1782395568.282335⑺038695","session_secret":"3efb3872a362beacab28879eed85497b","expires_in":2592000}
格式化以后：
我们须要从中解析出 access_token ， json 字符串解析的框架有很多 fastjson、Jackson、json-lib、gson，这里就不多做介绍了。
另外还是要说明1下，由于 access_token 的有效时间是 2592000 （秒），即 30 × 24 × 60 × 60 （秒）， 30 天，所以没有必要每次要求都去获得 access_token ，建议把 access_token 放在利用的缓存里，如果失效了，再去获得，可以提高利用的效力，这1点和微信公众平台开发是1样的。
说明：我们这里采取的是隐式发送，即不发送真实的音频文件，而是发送音频文件转换而成的字节数组。这里1定要看官网说明，严格调用，才会辨认出理想的结果。难点是音频格式的转换。
我是看了官网说明文档和示例代码，经过反复调试才得以调用成功的。鉴于这里篇幅的限制，请大家先看官网说明文档，我这里就不复制了。
这里为了方便说明，先上示例代码，一样地该代码只是为了便于说明问题，不建议在生产环境中直接使用：
/**
* 辨认英文
*/
@Test
public void test02(){
recognize("voice_en.wav","en");
}上面的测试方法调用了语音辨认的方法，该方法传递两个参数，1个是文件的全路径，另外一个是中文或英文的参数。
下面
/**
* 要求语音辨认的时候使用
*/
private static final String speech_recognition_url = "http://vop.baidu.com/server_api";private void recognize(String wavName,String language){
File wavFile = new File(wavName);
HttpPost httpPost = null;
CloseableHttpResponse response = null;
CloseableHttpClient httpClient = HttpClients.createDefault();
httpPost = new HttpPost(speech_recognition_url);
SpeechRecognitionRequestEntity requestEntity = new SpeechRecognitionRequestEntity();
// 语音紧缩的格式：请依照官网文档填写 pcm（不紧缩）、wav、opus、speex、amr、x-flac 之1，不辨别大小写
requestEntity.setFormat("wav");
// 声道数，仅支持单声道，请填写 1
requestEntity.setChannel("1");
// 采样率，支持 8000 或 16000 （这个类型是 int ，不能设置为 String 类型，关于采样率如何转换，请见下文）
requestEntity.setRate(16000);
// todo 这里应判断 AccessToken 是不是过期，处理异常，如果过期了，应当重新获得 accessToken
requestEntity.setToken("24.463f2a9f7ce6721fe4d15568f812c086.2592000.1469627568.282335⑺038695");
// Cuid 貌似可以随便填写
requestEntity.setCuid("goodluck");
requestEntity.setLen(wavFile.length());
// 官网说： speech 要传递真实的语音数据，需要进行 base64 编码
// 重点关注：请见后面封装的方法，就是把1个文件转换成为指定格式的字节数组
requestEntity.setSpeech(handlerWavFile(wavFile));
// 语种选择，中文=zh、粤语=ct、英文=en，不辨别大小写，默许中文
requestEntity.setLan(language);
// 关键点 1 ：将要求参数转换为 json 格式
String requestEntityJson = JSON.toJSONString(requestEntity);
// 关键点 2 ：封装 StringEntity ，为解决中文乱码问题，应当设置编码
StringEntity entity = new StringEntity(requestEntityJson.toString(), "UTF⑻");
entity.setContentEncoding("UTF⑻");
// 关键点 3 ：设置 StringEntity 的 ContentType
entity.setContentType("application/json");
httpPost.setEntity(entity);
ResponseHandler<String> responseHandler = new ResponseHandler<String>() {
@Override
public String handleResponse(HttpResponse response) throws ClientProtocolException, IOException {
String resData = null;
int statusCode = response.getStatusLine().getStatusCode();
if (statusCode >= 200 && statusCode < 300) {
HttpEntity httpEntity = response.getEntity();
resData = EntityUtils.toString(httpEntity,"utf⑻");
EntityUtils.consume(httpEntity);
}
return resData;
}
};
try {
String responseStr = httpClient.execute(httpPost,responseHandler);
System.out.println(responseStr);
} catch (IOException e) {
e.printStackTrace();
}
}SpeechRecognitionRequestEntity 类（省略了 get 和 set 方法）：
public class SpeechRecognitionRequestEntity {
// 语音紧缩的格式
private String format;
/**
* 注意，采样率的数据类型1定是 int，不能是 String
*/
// 采样率，支持 8000 或 16000，在我们的项目中，写 16000
private int rate;
// 声道数，仅支持单声道，请填写 1
private String channel;
// 开发者身份验证密钥
private String token;
// 用户 ID，推荐使用装备 mac 地址 手机 IMEI 等装备唯1性参数
// todo 貌似可以随便填写，唯1便可
private String cuid;
/**
* 注意：这里填写的是原始语音的长度，不是使用 base64 编码的语音长度
*/
// 原始语音长度，单位字节
private long len;
// 真实的语音数据，需要进行 base64 编码
private String speech;
// 语种选择，中文=zh、粤语=ct、英文=en，不辨别大小写，默许中文
private String lan;
}这部份代码摘抄自官网示例代码：
private byte[] loadFile(File file) throws IOException {
InputStream is = new FileInputStream(file);
long length = file.length();
byte[] bytes = new byte[(int) length];
int offset = 0;
int numRead = 0;
while (offset < bytes.length && (numRead = is.read(bytes, offset, bytes.length - offset)) >= 0) {
offset += numRead;
}
if (offset < bytes.length) {
is.close();
throw new IOException("Could not completely read file " + file.getName());
}
is.close();
return bytes;
}返回结果：
{"corpus_no":"6300874524819907792","err_msg":"success.","err_no":0,"result":["one day in the cage club got bad news, ","one day in the case club got bad news, ","one day in that case club got bad news, ","one day in the cage club got the bad news, ","one day in the case club got the bad news, "],"sn":"843115237281467036671"}格式化以后：
以上介绍了代码如何编写。但是在开发中，我遇到了1个困难，要将音频文件转换成百度语音辨认能够辨认的格式。请看官方文档说明。
因而，为了测试，我使用格式工厂软件进行格式转化。以下是格式转换的参数。
很高兴的是，经过格式工厂软件转换以后的音频文件能够被百度语音辨认 REST 服务辨认，辨认度还不错，这是使人兴奋的。
但是，我又遇到了另外一个问题，在服务器上总不能每一个从客户端传来的音频文件都用格式工厂转换吧。因而，我找到了 Linux 平台上1款很好用的软件 sox。使用 sox 命令进行格式转换的命令格式：
sox 原始文件名全路径 -r 16000 -c1 生成的文件名全路径接下来，我又继续查找资料，在 Linux 上调用 Linux 平台上的服务可使用Java 中的 Runtime 和 Process 类运行外部程序。
参考代码：
String[] cmdStrings = new String[] { "/usr/bin/sox", tempWavFileName, "-r", "16000", "-c1", soundFileName_16000 };
Process psProcess = Runtime.getRuntime().exec(cmdStrings);
psProcess.waitFor();到这里，语音辨认开发的难点都攻克了。现在总结下来，真的是收获了很多。在这里先做个记录，有些知识点的掌握我还不是很透彻，后续还要再完善1下。
程序员人生，我编程，我富裕，记住wfuyu网，php教程，php学习，php手册，CMS模版制作
声明：本站大部分内容是作者原创，少部分收集于互联网供大家一起学习，原版权很多不明，如有侵权请联系本站，谢谢！
粤ICP备14040726号-1 2015-2020 程序员人生 版权所有
