本文导入自一个特别古老的 WordPress 博客,并且内容已经失效。查看 2016 年更新的后续情况»

没好用的智能机的孩子你伤不起啊有木有!成天都是倒霉Symbian60啊有木有!上次超流量下载了Google Search for S60,里面神奇的有“语音搜索”……然后就是今天碰到android手机了,自带一个语音输入法啊!这准确率杆杆地!不过根据我多秒经验,S60的废柴API库绝对没有这么完美的语音识别(玩过诺基亚的应该都知道,待机状态长按右软件那个出来的是自带的识别功能),所以肯定Google留了一手!(软件见http://www.google.com/intl/zh-CN_ALL/mobile/google-mobile-app/

废话多了,现在看看Google的猥琐API之STT!(属于speech-api v1的recognize)

http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN

不过使用不是那么简单的哦……

如何调用

要使用这个API,你得先有一些心理素质:面对倒霉的FLAC格式,因为这个API只支持FLAC格式的数据,杯具啊。

不过你找到了我的博客,那么你是幸福的,因为我已经为你准备了不少好东西了。(顺便说一句,如果要转载记得清楚地标注“来自http://blog.laobubu.net”,我信任你。)

现在看看如何请求数据:

  • 【URL】http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN
  • 【方式】POST
  • 【请求头】Content-Type:audio/x-flac; rate=16000
  • 【POST】flac文件的数据
  • 【URL里可选参数】&maxresults=返回结果数

如果你人品大爆发,你成功了,可以得到类似这个的结果

{
	"status":0,
	"id":"54e1babccaa58682ffbb02ceb42aa47c-1",
	"hypotheses":[
		{"utterance":"测试程序","confidence":0.8556527}
	]
}

或者你的请求URL里设置了 maxresults(比如 http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=10 )你就会得到:

{
	"status":0,
	"id":"fbf23a887b9ac2bfb630aa40dd1a776c-1",
	"hypotheses":
	[
		{"utterance":"欢迎访问过的网址","confidence":0.7275984},
		{"utterance":"欢迎访问我的网站"},
		{"utterance":"欢迎访问我的网址"},
		{"utterance":"欢迎访问过的网站"},
		{"utterance":"白云访问过的网址"},
		{"utterance":"怀孕访问过的网址"},
		{"utterance":"欢迎访问有的网址"},
		{"utterance":"欢迎访问过的网址哦"},
		{"utterance":"白云访问我的网站"},
		{"utterance":"怀孕访问我的网站"}
	]
}

不过不简单哦

实例

Python代码

# By laobubu.net
import urllib2
FILE='1.flac' #这里假设在当前文件夹下有一个叫1.flac的文件被识别
url = 'http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN'
audio=open(FILE,'rb').read()
headers = {'Content-Type' : 'audio/x-flac; rate=16000'}
req = urllib2.Request(url, audio, headers)
response = urllib2.urlopen(req)
print response.read().decode('UTF-8')

PHP

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=10");
curl_setopt($ch, CURLOPT_VERBOSE, 0);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, file_get_contents('1.flac'));
curl_setopt($ch, CURLOPT_HTTPHEADER, array("Content-Type: audio/x-flac; rate=16000"));
$data = curl_exec($ch);
curl_close($ch);

if ($data=json_decode($data,true)) {
  foreach($data['hypotheses'] as $i) 
    echo "<p>".$i['utterance']."</p>";
} else {
  echo "识别出错";
}

头疼:FLAC文件格式

这里我长话短说,google的flac也有限制,22050 Hz+201kbps还正常,如果比这个大多了就不对了。

不过还有最要命的问题,怎么生成FLAC文件?

没关系,这里有救星:flac.exe包下载

http://datastorage.laobubu.net/FLAC.zip 

具体使用方法是【flac.exe 文件.wav】这样在命令行调用即可,测试得知:不支持MP3等格式,但是支持基本的wav格式。

至于其他环境下(如linux里)也有对应的flac下载。我没有怎么用过linux就不说啥了。

好了,你可以去制造你的app了,哈哈。

来自laobubu实验室自动转换API

已经失效(2016)

为了方便,我写了一个python程序,放在Google App Engine上面,只要提交一个音频文件的URL(支持MP3、wav等常见格式),且文件不大,就可以得到结果了哦。

API入口:http://laobubumf.appspot.com/stt/ 备用入口:http://glab.laobubu.net/stt/

喜欢的话记得+1哦,当然捐赠我最不介意 :)