最近在做课程设计，想用一下语音识别，于是了解到百度AI 开放平台提供这一功能，且语音识别极速版 API一共可以调用5w次，对我来说完全够用了。最重要的是，可以直接用 的 请求进行api 调用，实在是太方便了，那就选择百度吧！
在正式开始之前，大家需要先注册一个百度开发者账号。
下面我会介绍两种进行语音识别的方法，分别是调用百度api 和python SDK
Ⅰ 百度api
首先直接看语音识别极速版 API文档说明。
我们可提取以下关键信息点：
- 音频文件需要在60s 内；
- 音频格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（压缩格式）；
- 采样率 ：16000 固定值。 编码：16bit 位深的单声道；
- api 调用流程：鉴权认证 -> 确认请求方式 -> 填写参数
（1）鉴权认证
① 获取Access Token
Access Token 是用户身份验证和授权的凭证，语音识别采用的是Client Credentials 授权方式，即采用应用公钥（Api Key）、密钥获取Access Token。
使用Client Credentials 获取Access Token 需要应用在其服务端发送请求（推荐用 方法）到百度OAuth2.0授权服务的“ ” 地址上，并带上以下参数：
例如：
响应数据包如下所示，其中 “access_token” 字段即为请求 所需的令牌, 默认情况下，Access Token 有效期为一个月，开发者需要对 Access Token 的有效性进行判断，如果Access Token 过期可以重新获取。
例如：
HTTP/1.1 200 OK
Content-Type: application/json
Cache-Control: no-store
{
“access_token”: “1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328”,
“expires_in”: 86400,
“refresh_token”: “2.385d55f8615fdfd9edb7c4b********.604800.1293440400-2346678-124328”,
“scope”: “public audio_voice_assistant_get 。。。”,
“session_key”: “ANXxSNjwQDugf8615OnqeikCdlLxn",
“session_secret”: "248APxvxjCZ0VECaK4oZExMB”,
}
如此，我们便获得了Access Token
（2）确认请求方式
① raw
有两种请求方式，json 方式和raw 方式，因为我使用的是 方式，所以 我就不展开讲解了
由于使用 方式， 采样率和文件格式需要填写在Content-Type 中：
（3）填写参数
格式POST 上传本地文件 语音数据直接放在 HTTP BODY 中，控制参数以及相关统计信息通过 和 里参数传递
① Header 参数说明
语音数据的采样率和压缩格式在 HTTP-HEADER 里的Content-Type 表明，例：
② url 参数说明
url 示例：
最后完整的raw 请求示例：
Ⅱ python SDK
（1）安装python SDK
如果已安装pip，执行
如果已安装setuptools，执行
（2）新建AipSpeech
AipSpeech是语音识别的Python SDK 客户端，为使用语音识别的开发人员提供了一系列的交互方法。
上述APP_ID、API_KEY、SECRET_KEY 的获取在创建应用后即可获得
（3）配置AipSpeech
若大家需要配置AipSpeech 的网络请求参数(一般不需要配置)，可以在构造AipSpeech 之后调用接口设置参数，目前只支持以下参数：
（4）语音识别
dev_pid 参数列表：
语音识别返回数据参数详情：
（1）音频格式
音频格式一定要正确，符合要求，包括采样率、通道数、编码等
对于音频格式转换工具，推荐sox，
sox安装及常用命令
SoX — 音频处理工具里的瑞士军刀
例如将一段 格式音频转化为其要求的格式（16k 采样率、1 通道、16bit 编码）：
不过百度推荐的那个ffmpeg 应该也不错，我没有用，大家感兴趣可以尝试尝试
百度api
若出现请求错误的话，请查阅官方文档：
错误码及常见原因