### 使用Python实现百度语音技术长语音识别 为了在 Python 中使用百度语音技术处理长语音，主要依赖于 `baidu-aip` 库来调用百度的 API 接口。此过程涉及录音文件上传、异步请求提交以及最终的结果获取。 #### 安装必要的库 首先需确保已安装所需的 Python 库，特别是用于访问百度 AI 平台服务的 `baidu-aip` 和录制音频所需的支持包 `PyAudio`[^3]： ```bash pip install baidu-aip PyAudio ``` #### 准备工作 创建一个新的 Python 文件作为项目的入口点，并导入必需模块。还需要设置好自己的 APP_ID, API_KEY 及 SECRET_KEY 来初始化 AipSpeech 类实例。 ```python from aip import AipSpeech APP_ID = 'your-app-id' API_KEY = 'your-api-key' SECRET_KEY = 'your-secret-key' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) ``` #### 处理长语音 对于较长的音频片段，建议采用分片方式逐部分发送给服务器处理。这里提供了一个简化版的例子说明如何操作: ```python import base64 import json import time def get_file_content_as_base64(file_path): with open(file_path, "rb") as f: content = f.read() return str(base64.b64encode(content), encoding='utf-8') def long_audio_recognize(client, file_path): result = client.longAudioRecognize( get_file_content_as_base64(file_path), { 'dev_pid': 1537, 'channel': 1, 'sample_rate': 16000, 'format': 'wav', 'speech_length': len(open(file_path, 'rb').read()) } ) task_id = result['data']['task_id'] while True: status_result = check_status(task_id) if not isinstance(status_result,int): break print('Waiting...') time.sleep(5) final_text="" if type(status_result)==dict and 'result' in status_result.keys(): for item in status_result["result"]: final_text+=item.get("text","") return final_text def check_status(task_id): response = client.getLongAudioStatus(task_id) resp_json=json.loads(response.decode('utf-8')) if resp_json.get('err_no') != 0 or \ ('data' not in resp_json) or\ (not isinstance(resp_json['data'], dict)) or\ ('status_str' not in resp_json['data']): return -1 current_state=resp_json['data'].get('status_str') if current_state=='waiting': return 0 elif current_state=='finished': return resp_json else:return -2 if __name__ == "__main__": audio_file = './long_speech.wav' recognized_text = long_audio_recognize(client, audio_file) print(f'Recognition Result:\n{recognized_text}') ``` 上述脚本展示了完整的流程——从读取本地 WAV 格式的音频文件到将其编码为 Base64 字符串形式传送给百度云平台；接着轮询查询任务状态直到完成为止；最后打印出转录后的文字内容。