最近，某水果手機廠在萬眾期待中開了一場沒有發(fā)布萬眾期待的手機產(chǎn)品的發(fā)布會，發(fā)布了除手機外的其他一些產(chǎn)品，也包括最新的水果14系統(tǒng)。幾天后，更新了系統(tǒng)的吃瓜群眾經(jīng)過把玩突然發(fā)現(xiàn)新系統(tǒng)里一個超有意思的功能——翻譯，比如這種：

奇怪的翻譯知識增加了！

相比常見的翻譯工具，同聲翻譯工具更具有實用價值，想想不精通其他語言就能和歪果朋友無障礙交流的場景，真是一件美事，不如自己動手實現(xiàn)個工具備用!一個同聲翻譯工具，邏輯大概可以是先識別，而后翻譯，翻譯能否成功，識別的準確率是個關(guān)鍵因素。為了降低難度，我決定分兩次完成工具開發(fā)。首先來實現(xiàn)試試語音識別的部分。

輕車熟路，本次的demo繼續(xù)調(diào)用有道智云API，實現(xiàn)實時語音識別。

效果展示

先看看界面和結(jié)果哈：

可以選擇多種語音，這里只寫了四種常見的：

偶分別測試的中文、韓文、英文。看著還不錯哦~

調(diào)用API接口的準備工作

首先，是需要在有道智云的個人頁面上創(chuàng)建實例、創(chuàng)建應(yīng)用、綁定應(yīng)用和實例，獲取調(diào)用接口用到的應(yīng)用的id和密鑰。具體個人注冊的過程和應(yīng)用創(chuàng)建過程詳見文章分享一次批量文件翻譯的開發(fā)過程

開發(fā)過程詳細介紹

下面介紹具體的代碼開發(fā)過程。

首先是根據(jù)實時語音識別文檔來分析接口的輸入輸出。接口設(shè)計的目的是對連續(xù)音頻流的實時識別，轉(zhuǎn)換成文本信息并返對應(yīng)文字流，因此通信采用websocket，調(diào)用過程分為認證、實時通信兩階段。

在認證階段，需發(fā)送以下參數(shù)：

參數(shù) 類型 必填 說明 示例 appKey String 是 已申請的應(yīng)用ID ID salt String 是 UUID UUID curtime String 是 時間戳（秒） TimeStamp sign String 是 加密數(shù)字簽名。 sha256 signType String 是 數(shù)字簽名類型 v4 langType String 是 語言選擇，參考支持語言列表 zh-CHS format String 是 音頻格式，支持wav wav channel String 是 聲道，支持1（單聲道） 1 version String 是 api版本 v1 rate String 是 采樣率 16000

簽名sign生成方法如下：signType=v4；sign=sha256(應(yīng)用ID+salt+curtime+應(yīng)用密鑰)。

認證之后，就進入了實時通信階段，發(fā)送音頻流，獲取識別結(jié)果，最后發(fā)送結(jié)束標志結(jié)束通信，這里需要注意的是，發(fā)送的音頻最好是16bit位深的單聲道、16k采樣率的清晰的wav音頻文件，這里我開發(fā)時最開始因為音頻錄制設(shè)備有問題，導(dǎo)致音頻效果極差，接口一直返回錯誤碼304（手動捂臉）。

Demo開發(fā)：

這個demo使用python3開發(fā)，包括maindow.py，audioandprocess.py，recobynetease.py三個文件。界面部分，使用python自帶的tkinter庫，來進行語言選擇、錄音開始、錄音停止并識別的操作。audioandprocess.py實現(xiàn)了錄音、音頻處理的邏輯，最后通過recobynetease.py中的方法來調(diào)用實時語音識別API。

1.界面部分：

主要元素：

root=tk.Tk()root.title('netease youdao translation test')frm = tk.Frame(root)frm.grid(padx=’80’, pady=’80’)# label1=tk.Label(frm,text='選擇待翻譯文件：')# label1.grid(row=0,column=0)label=tk.Label(frm,text=’選擇語言類型：’)label.grid(row=0,column=0)combox=ttk.Combobox(frm,textvariable=tk.StringVar(),width=38)combox['value']=lang_type_dictcombox.current(0)combox.bind('<<ComboboxSelected>>',get_lang_type)combox.grid(row=0,column=1)btn_start_rec = tk.Button(frm, text=’開始錄音’, command=start_rec)btn_start_rec.grid(row=2, column=0)lb_Status = tk.Label(frm, text=’Ready’, anchor=’w’, fg=’green’)lb_Status.grid(row=2,column=1)btn_sure=tk.Button(frm,text='結(jié)束并識別',command=get_result)btn_sure.grid(row=3,column=0)root.mainloop()

2.音頻錄制部分，引入pyaudio庫（需通過pip安裝）來調(diào)用音頻設(shè)備，錄制接口要求的wav文件，并通過wave庫存儲文件：

def __init__(self, audio_path, language_type,is_recording): self.audio_path = audio_path, self.audio_file_name=’’ self.language_type = language_type, self.language=language_dict[language_type] print(language_dict[language_type]) self.is_recording=is_recording self.audio_chunk_size=1600 self.audio_channels=1 self.audio_format=pyaudio.paInt16 self.audio_rate=16000def record_and_save(self): self.is_recording = True # self.audio_file_name=self.audio_path+’/recordtmp.wav’ self.audio_file_name=’/recordtmp.wav’ threading.Thread(target=self.record,args=(self.audio_file_name,)).start()def record(self,file_name): print(file_name) p=pyaudio.PyAudio() stream=p.open( format=self.audio_format, channels=self.audio_channels, rate=self.audio_rate, input=True, frames_per_buffer=self.audio_chunk_size ) wf = wave.open(file_name, ’wb’) wf.setnchannels(self.audio_channels) wf.setsampwidth(p.get_sample_size(self.audio_format)) wf.setframerate(self.audio_rate) # 讀取數(shù)據(jù)寫入文件 while self.is_recording: data = stream.read(self.audio_chunk_size) wf.writeframes(data) wf.close() stream.stop_stream() stream.close() p.terminate()

3.翻譯接口調(diào)用部分：

def recognise(filepath,language_type): global file_path file_path=filepath nonce = str(uuid.uuid1()) curtime = str(int(time.time())) signStr = app_key + nonce + curtime + app_secret print(signStr) sign = encrypt(signStr) uri = 'wss://openapi.youdao.com/stream_asropenapi?appKey=' + app_key + '&salt=' + nonce + '&curtime=' + curtime + '&sign=' + sign + '&version=v1&channel=1&format=wav&signType=v4&rate=16000&langType=' + language_type print(uri) start(uri, 1600)def encrypt(signStr): hash = hashlib.sha256() hash.update(signStr.encode(’utf-8’)) return hash.hexdigest()def on_message(ws, message): result=json.loads(message) try: resultmessage1 = result[’result’][0] resultmessage2 = resultmessage1['st'][’sentence’] print(resultmessage2) except Exception as e: print(’’)def on_error(ws, error): print(error)def on_close(ws): print('### closed ###')def on_open(ws): count = 0 file_object = open(file_path, ’rb’) while True: chunk_data = file_object.read(1600) ws.send(chunk_data, websocket.ABNF.OPCODE_BINARY) time.sleep(0.05) count = count + 1 if not chunk_data: break print(count) ws.send(’{'end': 'true'}’, websocket.ABNF.OPCODE_BINARY)def start(uri,step): websocket.enableTrace(True) ws = websocket.WebSocketApp(uri,on_message=on_message,on_error=on_error,on_close=on_close) ws.on_open = on_open ws.run_forever()

總結(jié)

有道智云提供的接口一如既往的好用，這次開發(fā)主要的精力全都浪費在了由于我自己錄制的音頻質(zhì)量差而識別失敗的問題上，音頻質(zhì)量ok后，識別結(jié)果準確無誤，下一步就是拿去翻譯了，有了有道智云API，實現(xiàn)實時翻譯也可以如此簡單！

以上就是python開發(fā)一款翻譯工具的詳細內(nèi)容，更多關(guān)于python開發(fā)翻譯工具的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！