-
Notifications
You must be signed in to change notification settings - Fork 2
/
process_audio.py
107 lines (84 loc) · 5 KB
/
process_audio.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
# -*- coding: utf-8 -*-
from tencentcloud.common import credential
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
# 导入对应产品模块的client models。
from tencentcloud.soe.v20180724 import soe_client, models
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
# Id 和 key ,需要注册腾讯帐号，开通智聆业务，才可以使用,此处的不可用
secretId = "AKIDEQKxx0Y4TbnH0YsxMa0GJG1iLxCT"
secretKey = "EbopcAxx0ECESSDzExSmrNVMFCIe"
def init_oral_process(text, sessionId): # 语音段唯一标识，一个完整语音一个SessionId。
try:
# 实例化一个认证对象，入参需要传入腾讯云账户secretId，secretKey
cred = credential.Credential(secretId, secretKey)
# 实例化一个http选项，可选的，没有特殊需求可以跳过。
httpProfile = HttpProfile()
httpProfile.reqMethod = "POST" # post请求(默认为post请求)
httpProfile.reqTimeout = 30 # 请求超时时间，单位为秒(默认60秒)
httpProfile.endpoint = "soe.tencentcloudapi.com" # 指定接入地域域名(默认就近接入)
# 实例化一个client选项，可选的，没有特殊需求可以跳过。
clientProfile = ClientProfile()
clientProfile.signMethod = "TC3-HMAC-SHA256" # 指定签名算法(默认为HmacSHA256)
clientProfile.unsignedPayload = True
clientProfile.httpProfile = httpProfile
client = soe_client.SoeClient(cred, "", clientProfile)
req = models.InitOralProcessRequest()
#req.SessionId = "stress_test_956938"
req.SessionId = sessionId
req.RefText = text # refer 的文本
req.WorkMode = 1 # workMode 语音输入模式，0：流式分片，1：非流式一次性评估
req.EvalMode = 1 # EvalMode 评估模式，0：词模式，,1：:句子模式，2：段落模式，3：自由说模式，当为词模式
#评估时，能够提供每个音节的评估信息，当为句子模式时，能够提供完整度和流利度信息。
req.ScoreCoeff = 3.5; # ScoreCoeff 评价苛刻指数，取值为[1.0 - 4.0]范围内的浮点数，用于平滑不同年龄段的分数，1.0
#为小年龄段，4.0为最高年龄段
resp = client.InitOralProcess(req)
# 输出json格式的字符串回包
print("%s" % resp.to_json_string())
except TencentCloudSDKException as err:
print("%s" % err)
def transmit_oral_process(sessionId, userVoiceData): # 语音段唯一标识，一个完整语音一个SessionId。
try:
# 实例化一个认证对象，入参需要传入腾讯云账户secretId，secretKey
cred = credential.Credential(secretId, secretKey)
# 实例化一个http选项，可选的，没有特殊需求可以跳过。
httpProfile = HttpProfile()
httpProfile.reqMethod = "POST" # post请求(默认为post请求)
httpProfile.reqTimeout = 30 # 请求超时时间，单位为秒(默认60秒)
httpProfile.endpoint = "soe.tencentcloudapi.com" # 指定接入地域域名(默认就近接入)
clientProfile = ClientProfile()
clientProfile.signMethod = "TC3-HMAC-SHA256" # 指定签名算法(默认为HmacSHA256)
clientProfile.unsignedPayload = True
clientProfile.httpProfile = httpProfile
client = soe_client.SoeClient(cred, "", clientProfile)
req = models.TransmitOralProcessRequest()
req.SessionId = sessionId
req.VoiceFileType = 2 # 语音文件类型 1:raw, 2:wav, 3:mp3(三种格式目前仅支持16k采样率16bit编码单声道
req.SeqId = 1 # 流式数据包的序号，从1开始，当IsEnd字段为1后后续序号无意义，当
#IsLongLifeSession不为1且为非流式模式时无意义。
req.VoiceEncodeType = 1 # 语音编码类型 1:pcm。
req.IsEnd = 1 # 是否传输完毕标志，若为0表示未完毕，若为1则传输完毕开始评估，非流式模式下无意义
req.UserVoiceData = userVoiceData # 当前数据包数据, 流式模式下数据包大小可以按需设置，数据包大小必须 >= 4K，且必
#须保证分片帧完整（16bit的数据必须保证音频长度为偶数），编码格式要求为BASE64。
# process
resp = client.TransmitOralProcess(req)
# 输出json格式的字符串回包
print("%s" % resp.to_json_string())
except TencentCloudSDKException as err:
print("%s" % err)
def process(text, audiofile):
import librosa
import base64
with open(audiofile,'rb') as f: #读入二进制数据
y = f.read()
sessionId = "test_956938"
userVoiceData = base64.b64encode(y) # base64 编码
userVoiceData = str(userVoiceData, encoding = "utf-8") # 把 b'' 格式 转化为 ""格式
# init
init_oral_process(text, sessionId)
# transmit
transmit_oral_process(sessionId, userVoiceData)
if __name__=="__main__":
text = "bussiness"
audiofile = 'word_test.wav'
process(text, audiofile)