一、如何下载科大讯飞语音听写的SDK包
1.1、注册下载语音听写SDK包
**第一步：**登录讯飞开放平台，找到产品服务——“语音听写”，点击“立即开通”
**第二步：**创建新应用
**第三步：**创建应用，填写信息，应用平台选择windows
**第四步：**完成创建后，点击右上角控制台旁边你的登录名，点击我的应用，进入后就可以看到你注册的应用
**第五步：**注意你的APPID号，这个后来有用处，请注意，然后点击SDK下载
**第六步：**选择你的AL能力，勾选语音听写后，点击SDK下载
**第七步：**这时候你会从网上得到一个压缩包，为方便查看，你新建一个和这个SDK压缩包名字一样的文件夹（这个文件名后面有用处），再将包内的所有文件拖入新建的文件夹中，得到如下文件夹，到这里，语音听写的SDK包就下载完成了。
二、调用科大讯飞语音听写的SDK包
新建keda_API.py文件，将如下代码写入，并将你的APPID号、文件夹名，在21行、23行位置进行修改
还有特别说明在代码后，不看你会出错的，一定要看
还有特别说明在代码后，不看你会出错的，一定要看
# -*- coding：utf-8 -*-# -*- author：zzZ_CMing CSDN address:/zzZ_CMing# -*- /08/11; 10:19# -*- python3.5"""参考代码地址：/fang_yang_wa/article/details/78791137"""from ctypes import *import timeimport win32com.clientFRAME_LEN = 640 # ByteMSP_SUCCESS = 0# 返回结果状态MSP_AUDIO_SAMPLE_FIRST = 1MSP_AUDIO_SAMPLE_CONTINUE = 2MSP_AUDIO_SAMPLE_LAST = 4MSP_REC_STATUS_COMPLETE = 5# 调用动态链接库dll = cdll.LoadLibrary("../SDK文件名/bin/msc_x64.dll")# 登录参数，apppid一定要和你的下载SDK对应login_params = b"appid = 你的APPID号, work_dir = SDK文件名."class Msp: def __init__(self): pass def login(self): ret = dll.MSPLogin(None, None, login_params) # print("MSPLogin =>", ret) def logout(self): ret = dll.MSPLogout() # print("MSPLogout =>", ret) def isr(self, audiofile, session_begin_params): ret = c_int() sessionID = c_voidp() dll.QISRSessionBegin.restype = c_char_p sessionID = dll.QISRSessionBegin(None, session_begin_params, byref(ret)) #print("QISRSessionBegin => sessionID:", sessionID, "\nret:", ret.value) # 每秒【1000ms】 16000 次 * 16 bit 【20B】 ，每毫秒：1.6 * 16bit 【1.6*2B】 = 32Byte # 1帧音频20ms【640B】 每次写入 10帧=200ms 【6400B】 # piceLne = FRAME_LEN * 20 piceLne = 1638 * 2 epStatus = c_int(0) recogStatus = c_int(0) wavFile = open(audiofile, "rb") wavData = wavFile.read(piceLne) ret = dll.QISRAudioWrite(sessionID, wavData, len(wavData), MSP_AUDIO_SAMPLE_FIRST, byref(epStatus), byref(recogStatus)) #print("len(wavData):", len(wavData), "\nQISRAudioWrite ret:", ret,"\nepStatus:", epStatus.value, "\nrecogStatus:", recogStatus.value) time.sleep(0.1) while wavData: wavData = wavFile.read(piceLne) if len(wavData) == 0: break ret = dll.QISRAudioWrite(sessionID, wavData, len(wavData), MSP_AUDIO_SAMPLE_CONTINUE, byref(epStatus), byref(recogStatus)) # print("len(wavData):", len(wavData), "QISRAudioWrite ret:", ret, "epStatus:", epStatus.value, "recogStatus:", recogStatus.value) time.sleep(0.1) wavFile.close() ret = dll.QISRAudioWrite(sessionID, None, 0, MSP_AUDIO_SAMPLE_LAST, byref(epStatus), byref(recogStatus)) # print("len(wavData):", len(wavData), "QISRAudioWrite ret:", ret, "epStatus:", epStatus.value, "recogStatus:", recogStatus.value) #print("\n所有待识别音频已全部发送完毕\n获取的识别结果:") # -- 获取音频 laststr = "" counter = 0 while recogStatus.value != MSP_REC_STATUS_COMPLETE: ret = c_int() dll.QISRGetResult.restype = c_char_p retstr = dll.QISRGetResult(sessionID, byref(recogStatus), 0, byref(ret)) if retstr is not None: laststr += retstr.decode() #print("333",laststr) # print("ret:", ret.value, "recogStatus:", recogStatus.value) counter += 1 time.sleep(0.2) counter += 1 """ if counter == 50: laststr += "讯飞语音识别失败" break """ #print(laststr) # 不知道为什么注解了？ #ret = dll.QISRSessionEnd(sessionID, "\0") # print("end ret: ", ret) return laststrdef XF_text(filepath, audio_rate): msp = Msp() #print("登录科大讯飞") msp.login() #print("科大讯飞登录成功") session_begin_params = b"sub = iat, ptt = 0, result_encoding = utf8, result_type = plain, domain = iat" if 16000 == audio_rate: session_begin_params = b"sub = iat, domain = iat, language = zh_cn, accent = mandarin, sample_rate = 16000, result_type = plain, result_encoding = utf8" text = msp.isr(filepath, session_begin_params) msp.logout() print(text) # 文本转语音 speaker = win32com.client.Dispatch("SAPI.SpVoice") speaker.Speak(text) return text# 如果代码作为外置包被其他程序调用，请注释掉下两行；单独使用时保留path = "你音频存储位置"XF_text(path,16000)
特别说明：
1、我对这个代码做了一定的修改(源码可以在科大讯飞官网中找到：源码在这里)。这段代码单独使用时——可以将你的音频翻译成文本输出；而被其他主程序调用使用的时候，要先注释掉本篇代码的最后两行，还要在你的主程序代码中导入这个.py文件，怎么导入！！！—— 就像你导入其他外置包一样——import keda_API；
2、调用这个.py文件也和其他外置包一样，它的接口只有def XF_text(filepath, audio_rate):函数，这个函数包含两个参数：参数filepath是一个文件夹地址，这个地址下保存你录制好的音频（请存放一个音频，若有多个音频，你可以做个循环挨个输入文件名），audio_rate是音频率，一般都是16000；
3、如果你显示缺少ffmpeg文件，我也有——ffmpeg文件下载地址， 密码：xl2z，下载后放到你程序主目录下；
4、如果你导入的地址都已经正确，音频也能放出声，代码也能跑通，但就是语音听写得不到输出文本——可能是你的音频不合要求——右击你的音频文件，点开属性，查看详细信息，找到音频比特率——一般超过300kbps的音频，科大的音频听写就翻译不出来给不出结果，怎么办？——格式工厂啊，转为wav文件，配置降到最低——采用率：11025，声道数：1，用转化后的音频再试一试——还不行？那就关注我的下一篇博客——Python调用麦克风录音生成wav文件，我帮你写一个录音Python脚本。
如果觉得《Python调用科大讯飞语音听写的SDK包》对你有帮助，请点赞、收藏，并留下你的观点哦！
