# asrpython

**Repository Path**: gxwang/asrpython

## Basic Information

- **Project Name**: asrpython
- **Description**: 高中生语音识别科普工作站
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-10
- **Last Updated**: 2026-07-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 语音识别API调用

### 原理

开发者通过调用云厂商提供的API，上传需要识别的语音文件，由API返回识别后的文字。通过编程语言发送HTTP请求，将语音文件提交至厂商API，API服务完成语音识别后，将文字内容返回给调用者。

* 优点：快速便捷，将语音识别嵌入自己开发的系统；开发者无需深入掌握语音识别技术

* 缺点：语音识别服务对开发者为“黑盒”，无法探知语音识别底层技术，提升语音识别精度

### 一般步骤

一般调用云厂商API需要以下几个步骤：
1. 相应的云厂商注册开发者账号，需要实名认证，选择免费试用（部分厂商需要提供信用卡注册）
2. 找到语音识别服务，创建应用，获得APP_Id, Secret等信息（用于API认证鉴权）
3. 根据厂商提供的文档，选择自己熟悉的开发语言编写的demo，替换其中使用的APP_Id, Secret信息
4. 运行demo程序，提交语音文件（或通过麦克风直接输入），获取识别后的文字结果

下面，通过举例百度语音、微软语音、科大讯飞语音API调用过程。本项目中三个.py文件分别对应三家厂商API使用python编程语言调用示例代码。


### 一、百度语音识别Api

官方文档： https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily

原理及思路：
使用python中的request将音频提交至接口，识别出文字后返回结果并保存入文件（result.txt)

1. 创建百度开发者账号并实名认证

访问百度AI网站，找到语音识别服务
![](python教程/imgs/baidu_01.png)

点官方文档，可查看技术文档说明；点立即使用，进入管理控制台（需要注册登录）
![](python教程/imgs/baidu_02.png)

官方文档查看参数说明、调用说明、返回数据说明等
![](python教程/imgs/baidu_03.png)

登录百度开发者控制台。如果你使用百度APP、百度云APP并且实名认证过，则可以使用APP扫描登录。通过一键引入实名认证即可。
![](python教程/imgs/baidu_04.png)

进入控制台，点击左侧菜单，打开语音识别服务
![](python教程/imgs/baidu_05.png)

在语音识别服务中，创建应用。首次进入服务列表，会提示领取免费额度，按需求领取即可。创建应用后，列表中显示的AppID和Secret Key就是我们后面编程中需要用到的配置参数。
![](python教程/imgs/baidu_06.png)

2. 官方文档中下载示例代码进行修改

 以官方python代码为例，两个关键函数
 * 认证鉴权：`fetch_token` 函数，根据AppID、Secret Key，识别用户身份
 * 提交语音文件并接收返回结果： `main`函数中实现

具体配置见baiduai.py文件。



### 二、微软语音识别Api

官方文档地址： https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/get-started-speech-to-text?pivots=programming-language-python&tabs=terminal

1. 注册微软开发者账号，并创建应用

 访问微软Aure云平台，https://azure.microsoft.com/zh-cn/ 
![](python教程/imgs/ms_01.png)

 注册账号。如果您使用live.com的邮箱，或windows系统中使用微软账户。可以直接登录，并认证成为开发者，使用此账号登录进入Aure控制台。
![](python教程/imgs/ms_02.png)

资源列表中显示了所有已创建的资源。可继续创建，也可以对已有资源管理。
![](python教程/imgs/ms_03.png)

进入控制台后，点左上角菜单，选择AI+机器学习，找到语音服务。点创建
![](python教程/imgs/ms_04.png)

创建语音识别资源，将必填项填写完成即可。
![](python教程/imgs/ms_05.png)

进入已经创建好的语音识别资源中，找到开发选项。在这里可以查看示例代码，同时代码中需要的配置项：subscription(对应两个密钥，可任选一个使用)和region(地区，创建资源的时候可选)
![](python教程/imgs/ms_06.png)


2. 示例代码修改
 
 步骤1中的资源部分也会给出几种编程语言对应的示例程序。官方文档中有更详细的配置说明及依赖项安装说明。请查看：(https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/get-started-speech-to-text?pivots=programming-language-python&tabs=terminal)

微软语音API过程：

* 安装对应语言的sdk包，python版可以使用pip命令进行安装
```python
pip install azure-cognitiveservices-speech
```
* 修改示例代码中的配置项
subscription: 对应密钥1或2
region: 对应位置/区域，也可以看终结点域名的前缀
如果是识别中文的话，demo代码中需要增加语言配置
```python
speech_config.speech_recognition_language="zh-CN"
```
具体代码见msai.py文件。


### 三、科大讯飞语音识别Api

待完善

## 连接

* python基础教程：https://www.runoob.com/python3/python3-tutorial.html
* VsCode： https://code.visualstudio.com/
* VsCode搭建python环境：https://blog.csdn.net/qq_46092061/article/details/122438823


### 四、腾讯语音识别

微信语音转文字，尝试将你手机的wifi和数据流量都断开，再尝试使用语音转文字是否能成功？
因此，微信的语音转文字也是需要联网，调用云厂商的语音识别服务。

sdk url : https://github.com/TencentCloud/tencentcloud-speech-sdk-python/blob/master/examples/asr/asrexample.py
tencent app id: https://console.cloud.tencent.com/cam/capi
tencent sdk url: https://cloud.tencent.com/document/product/1093/48982


## 语音识别本地部署模型

原始仓库 ：https://github.com/modelscope/FunASR

国内gitee镜像仓库：https://gitee.com/mirrors/funasr

服务部署及客户端测试：
https://gitee.com/mirrors/funasr/blob/dev_bj_2pass_grpc/funasr/runtime/docs/SDK_advanced_guide_offline_zh.md






* python简介
* 安装/编辑器/第一行hello world
* 变量/数据类型
* 条件/循环控制
* 函数/类
* 模块/包
* 文件
* json
* http协议/api