baidu-ai-search

# 短语音识别-极速版 (Automatic Speech Recognition) ## 简介 短语音识别 (Automatic Speech Recognition) 可以将音频流实时识别为文字，并返回每句话的开始和结束时间，适用于手机语音输入、语音搜索、人机对话等语音交互场景。 ### 功能介绍 通过极速API接口，将语音识别为文字，毫秒级响应，快速返回识别结果。 ### 特色优势 采用领先国际的流式端到端建模方法SMLTA，近场普通话语音识别准确率可达98%；采用最新识别解码技术，识别速度提升5倍以上，极速返回识别结果；专有GPU服务集群、提供企业级的稳定服务，弹性灵活的高并发承载及高可靠性保障。 ### 应用场景 语音输入、语音搜索、人机对话等。 ## 基本用法 下面是短语音识别的代码示例： ```python import os import requests import appbuilder # 设置环境变量和初始化 # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5 os.environ["APPBUILDER_TOKEN"] = "..." asr = appbuilder.ASR() audio_file_url = "https://bj.bcebos.com/v1/appbuilder/asr_test.pcm?authorization=bce-auth-v1" \ "%2FALTAKGa8m4qCUasgoljdEDAzLm%2F2024-01-11T10%3A56%3A41Z%2F-1%2Fhost" \ "%2Fa6c4d2ca8a3f0259f4cae8ae3fa98a9f75afde1a063eaec04847c99ab7d1e411" audio_data = requests.get(audio_file_url).content content_data = {"audio_format": "pcm", "raw_audio": audio_data, "rate": 16000} msg = appbuilder.Message(content_data) out = asr.run(msg) print(out.content) # {'result': ['北京科技馆。']} ``` ## 参数说明 ### 鉴权配置 使用组件之前，请首先申请并设置鉴权参数，可参考[组件使用流程](https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5)。 ```python # 设置环境中的TOKEN，以下示例略 os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN" ``` ### 初始化参数 无 ### 调用参数 |参数名称 |参数类型 |是否必须 |描述 | 示例值 | |--------|--------|--------|----|--------| |message |String |是 |输入的消息，用于模型的主要输入内容。这是一个必需的参数，语音时长最长为60S| Message(content={"raw_audio": b"..."}) | |audio_format|String|是 |定义语言文件的格式，包括"pcm"、"wav"、"amr"，默认值为"pcm"| pcm | |rate|Integer|是 |定义录音采样率，固定值16000| 16000 | |timeout| Float | 否 | HTTP超时时间,单位：秒 |1|| |retry|Integer|是 |HTTP重试次数| 3 | ### 响应参数 |参数名称 | 参数类型 |描述 |示例值| |--------|--------------|----|------| |result | List[String] |返回结果|["北京科技馆。"]| ### 响应示例 ```json {"result": ["北京科技馆。"]} ``` ### 错误码 | 错误码 |描述| |---|---| | 0 |success| | 2000 |data empty| ## 高级用法 目前该模块仅提供基础的语音识别功能。 ## 更新记录和贡献 * 短语音识别能力 (2023-12)