AIY集成科大讯飞语音服务文档

开发文档

1.概述

本文档介绍在AIY VoiceKit开发环境上如何集成科大讯飞语音识别和语音合成服务。

2.服务申请和开通

2.1账号注册

到讯飞开放平台 http://www.xfyun.cn/ 注册账号。

2.2 创建应用

进入应用控制台，创建新应用，应用平台选择WebAPI。

2.3 添加服务

注册新应用之后自动跳转到应用列表页面，点击添加新服务，选择添加AIUI平台和在线语音合成。

2.4 添加IP白名单

AIUI平台进入服务管理，在IP白名单，填上本机IP地址，或者把IP白名单功能关闭。

同理，在语音合成IP白名单管理，添加本机IP

2.5 保存APPID和ApiKey

进入AIUI平台的服务管理，复制出来APPID和ApiKey，同理复制出来语音合成的APIKey，以便使用。

3.语音识别

3.1 接口描述

本接口将自然语言识别为文本输出

3.2 使用python调用web API接口

下面是一个使用python(基于3.5版本)，调用讯飞语音识别接口的完整例子，并且最后解析返回的数据，得到识别结果。

# -*- coding:utf-8 -*-
import base64
import sys
import time
import json
import hashlib
from urllib import request,parse
import aiy.audio
x_appid = "注意！！填入你的应用AppId"
asr_api_key = "注意！！填入你的AIUI平台APIkey"
RECORD_DURATION_SECONDS = 3
 ## 调用科大讯飞提供的Web API
def iflytek_asr(file_path):
    requrl = "https://api.xfyun.cn/v1/aiui/v1/iat"
    cur_time = int(time.time())
    x_param = {"auf":"16k","aue":"raw","scene":"main"}
    x_param = json.dumps(x_param)
    xparam_base64 = base64.b64encode(x_param.encode(encoding="utf-8")).decode().strip('\n')
    file_data = open(file_path, 'rb')
    file_base64 = base64.b64encode(file_data.read())
    file_data.close()
    body_data = "data="+file_base64.decode("utf-8")
    token = asr_api_key + str(cur_time)+ xparam_base64 + body_data
    m = hashlib.md5()
    m.update(token.encode(encoding='utf-8'))
    x_check_sum = m.hexdigest()
    headers = {"X-Appid": x_appid,"X-CurTime": cur_time,"X-Param":xparam_base64,"X-CheckSum":x_check_sum,"Content-Type":"application/x-www-form-urlencoded"}
    req = request.Request(requrl, data=body_data.encode('utf-8'), headers=headers, method="POST")
    with request.urlopen(req) as f:
        body = f.read().decode('utf-8')
        return body
## 使用AIY SDK提供的方法录音，再利用讯飞得到文字识别结果
if __name__ == '__main__':
    with aiy.audio.get_recorder() as recorder:
        while True:
            temp_file, temp_path = tempfile.mkstemp(suffix='.wav')
            os.close(temp_file)
            aiy.audio.record_to_wave(temp_path, RECORD_DURATION_SECONDS)
            status_ui.status('stopping')
            result = iflytek_asr(temp_path)
            result_dict = json.loads(result)
            if result_dict['code'] == '00000':
                result_txt = result_dict['data']['result']
                print(result_txt)

4.语音合成

4.1 接口概述

语音合成接口将文字信息转化为声音信息。

4.2 使用python调用Web API接口

下面是一个使用python(基于3.5版本)，调用讯飞语音合成接口的完整例子，根据文字内容生成对应的wav声音文件。

#!/usr/bin/env python3
import time
import base64
import hashlib
import threading
import requests
from pygame import mixer
x_appid = "注意！！填入你的应用AppId"
tts_api_key = "注意！！填入你的语音合成服务 APIkey"
URL = "http://api.xfyun.cn/v1/service/v1/tts"
text = "语音合成内容"
## 调用讯飞语音识别API
def iflytek_tts(tts_txt):
    curTime = str(int(time.time()))
    param = "{\"aue\":\""+AUE+"\",\"auf\":\"audio/L16;rate=16000\",\"voice_name\":\"xiaoyan\",\"engine_type\":\"intp65\"}"
    param_encode = param.encode(encoding="utf-8")
    paramBase64 = base64.b64encode(param_encode).decode().strip('\n')
    m2 = hashlib.md5()
    token = tts_api_key + curTime + paramBase64
    m2.update(token.encode(encoding='utf-8'))
    checkSum = m2.hexdigest()
    header ={
            'X-CurTime':curTime,
            'X-Param':paramBase64,
            'X-Appid':x_appid,
            'X-CheckSum':checkSum,
            'X-Real-Ip':'127.0.0.1',
            'Content-Type':'application/x-www-form-urlencoded; charset=utf-8',
    }
    result = requests.post(URL,headers=getHeader(),data=text)
    return result
if __name__ == '__main__':
    result = iflytek_tts(text)
    sid = result.headers['sid']
    audio_filepath += sid + ".wav"
    writeFile(audio_filepath, result.content)
    mixer.init()
    mixer.music.load(audio_filepath)
    mixer.music.play()