Python は Alibaba Cloud インターフェースを呼び出して音声認識機能を実装します

Python は Alibaba Cloud インターフェイスを呼び出して音声認識機能を実装します

近年、人工知能の急速な発展は多くの分野に恩恵をもたらしています。中でも音声認識技術の応用が話題となっている。 Alibaba Cloud は中国の大手クラウド コンピューティング メーカーであり、音声認識機能を含む豊富な人工知能インターフェイスを提供しています。この記事では、Python を使用して Alibaba Cloud インターフェイスを呼び出し、音声認識機能を実装する方法を紹介します。

開始する前に、まず Alibaba Cloud コンソールで対応する API キーを申請する必要があります。 Alibaba Cloud コンソールで、「人工知能」-「音声認識」を選択し、新しいアプリケーションを作成し、アクセス キー ID とアクセス キー シークレットを取得します。

次に、Python SDK をインストールする必要があります。コマンド ライン ターミナルを開き、次のコマンドを入力します:

pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-asr

インストールが完了したら、コードの記述を開始できます。

まず、必要なライブラリとモジュールをインポートする必要があります:

import time
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.request import CommonRequest

次に、Alibaba Cloud クライアント オブジェクトを作成し、Alibaba Cloud コンソールで申請したアクセス キーを ID 検証に使用します。

client = AcsClient('<your_access_key_id>', '<your_access_key_secret>', 'cn-hangzhou')

次に、オーディオ ファイルをアップロードし、アップロードが成功した後にファイル パスを返す関数を作成できます。ここでは、音声ファイルがローカル ディスクに保存されており、そのパスが file_path:

def upload_audio(file_path):
    request = CommonRequest()
    request.set_domain('nls-meta.cn-shanghai.aliyuncs.com')
    request.set_uri_pattern('/pop/2019-02-28/2019-06-30/instances')
    request.set_method('POST')
    request.add_header('Content-type', 'multipart/form-data')

    # 创建上传参数
    body_params = {
        'Type': 'MultipartFormData',
        'file': open(file_path, 'rb')
    }
    request.set_content(body_params)

    # 发送上传请求
    response = client.do_action(request)

    # 解析返回结果，获取上传成功后的文件路径
    file_id = response.decode('utf-8').split('"FileId":"')[1].split('","InstanceId"')[0]

    return file_id

であると仮定します。次に、音声認識機能を実装する関数を記述します。この機能は、Alibaba Cloud の音声認識インターフェイスを使用して、正常にアップロードされた音声ファイルを識別します。認識結果は戻り値として返されます:

def recognize_audio(file_id):
    request = CommonRequest()
    request.set_domain('nls-meta.cn-shanghai.aliyuncs.com')
    request.set_uri_pattern('/pop/2019-02-28/2019-06-30/instances/%s' % file_id)
    request.set_method('GET')

    # 发送识别请求
    response = client.do_action(request)

    # 解析返回结果，获取识别结果
    result = response.decode('utf-8').split('"Result":"')[1].split('","CreateTime"')[0]

    return result

最後に、オーディオのアップロードと認識関数を呼び出す main 関数を記述し、認識結果を出力できます:

def main():
    # 音频文件路径
    file_path = '<your_audio_file_path>'
    
    # 上传音频文件
    file_id = upload_audio(file_path)
    print('音频文件上传成功，文件ID：%s' % file_id)

    # 等待音频上传完成
    time.sleep(10)

    # 开始音频识别
    result = recognize_audio(file_id)
    print('音频文件识别结果：%s' % result)

if __name__ == '__main__':
    main()

この時点で、Python を使用して Alibaba Cloud インターフェイスを呼び出し、音声認識機能を実装するコードを作成する作業は完了です。

Alibaba Cloud の音声認識機能を使用すると、音声ファイルをテキストに変換して、音声認識関連アプリケーションの基本的なサポートを提供できます。この技術は、音声アシスタント、音声翻訳、リアルタイム字幕などの分野で幅広い応用が期待されています。

注: ネットワーク要求とファイルのアップロードが関与しているため、コードの実行には時間がかかる場合があります。しばらくお待ちください。

参考資料:

• Alibaba Cloud 公式ドキュメント: https://help.aliyun.com/document_detail/139598.html

以上がPython は Alibaba Cloud インターフェースを呼び出して音声認識機能を実装しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。