人工智能初识,百度AI

时间  2019-11-24
标签 人工智能 百度 繁體版
原文   原文链接

一.人工智能初识

什么是智能

咱们一般把人称为智慧生物,那么"智慧生物的能力"就是所谓的"人工智能"html

咱们有什么能力?python

听,说,看,理解,思考,情感等等....程序员

什么是人工智能

顾名思义就是由人创造的"智慧能力",一样具有,据说看理解等能力web

听=语音识别算法

说=语音合成windows

看=图像视频文字识别api

理解=语言(文字)图像视屏理解等逻辑处理ide

思考=理解后的逻辑处理函数

一个简单的问答

问题:你叫什么名字?工具

答案:个人名字叫栗子

回答者:"听, 看"到问题,经过大脑进行问题的"理解"

回答者得到答案后:"说,写"问题答案给提问者

这里的听就是语音识别,理解就是语言理解

目前的人工智能作了什么?

语音识别:小米的小爱同窗,苹果的siri,微软的Cortana
语音合成:小米的小爱同窗,苹果的siri,微软的Cortana
图像识别:交通摄像头拍违章,刷脸解锁手机等
视频识别:抖音内容审核,视频社交APP的审核机制
文字识别:从身份证照片提取身份证号码,扫一扫翻译
语义理解:智能问答机器人,也包含小米的小爱同窗,苹果的siri,微软的Cortana

咱们身边的人工智能

银行办卡刷脸就行

车辆违章有牌就跑不了

违法犯罪路过天眼等于自投罗网

“小爱同窗”,”哎~”,”打开电视”,”好的!”
“欢迎使用10010智能语音系统”,”我还有多少话费”,”您的话费余额为0.01元”
扫一扫翻译看不懂的文字(支持26国语言)

二.百度AI

此篇是人工智能应用的重点,只用现成的技术不作底层算法,也是让初级程序员快速进入人工智能行业的捷径

目前市面上主流的AI技术提供公司有不少,好比百度,阿里,腾讯,主作语音的科大讯飞,作只能问答的图灵机器人等等

这些公司投入了很大一部分财力物力人力将底层封装,提供应用接口给咱们,尤为是百度,彻底免费的接口

既然百度这么仗义,我们就不要浪费掉怎么好的资源,从百度AI入手,开启人工智能之旅

开启人工智能技术的大门 : http://ai.baidu.com/

看看我大百度的AI大法,这些技术所有都是封装好的接口,看着就爽

接下来我们就一步一步的操做一下

注册百度帐号

首先进入控制台,注册一个百度的帐号(百度帐号通用)

开通一下咱们百度AI开放平台的受权

而后找到已开通服务中的百度语音

走到这里,想必已经知道我们要从语音入手了,语音识别和语音合成

建立语音引用

打开百度语音,进入语音应用管理界面,建立一个新的应用 

 

建立语音应用App

 

应用名称：能够随意写

应用类型：这里随便选择，暂时选择学习办公

接口选择：默认勾选了语音识别和语音合成。在天然语言处理中，所有选择。下面会用到！

语言包名：选择不须要，由于接下来是用纯python操做！

应用描述：写上一些描述，或者感人的话，都行！

 

回到应用列表咱们能够看到已建立的应用了

这里面有三个值 AppID , API Key , Secret Key 记住能够从这里面看到 , 在以后的学习中咱们会用到

好了 百度语音的应用已经建立完成了 接下来 我会用Python 代码做为实例进行应用及讲解

语音合成

安装SDK

首先我们要 pip install baidu-aip 安装一个百度人工智能开放平台的Python SDK实在是太方便了,这也是为何咱们选择百度人工智能的最大缘由

点击左侧的技术文档

点击左边的语言合成->SDK文档->Python SDK

 

请严格按照文档里描述的参数进行开发。请注意如下几个问题：

  1. 合成文本长度必须小于1024字节，若是本文长度较长，能够采用屡次请求的方式。切忌文本长度超过限制。

  2. 语音合成 rest api不限制调用量，可是初始的QPS为100，若是默认配额不能知足您的业务需求，请从控制台中申请提升配额，咱们会在两个工做日内完成审批

  3. 必填字段中，严格按照文档描述中内容填写。

 

语音合成 Python SDK目录结构

├── README.md
├── aip                   //SDK目录
│   ├── __init__.py       //导出类
│   ├── base.py           //aip基类
│   ├── http.py           //http请求
│   └── speech.py //语音合成
└── setup.py              //setuptools安装

 

支持Python版本：2.7.+ ,3.+

安装使用Python SDK有以下方式：

  • 若是已安装pip，执行pip install baidu-aip便可。
  • 若是已安装setuptools，执行python setup.py install便可。

 

打开windows的cmd窗口，输入命令 pip3 install baidu-aip

我已经安装好了，效果以下:

新建AipSpeech

AipSpeech是语音合成的Python SDK客户端，为使用语音合成的开发人员提供了一系列的交互方法。

参考以下代码新建一个AipSpeech：

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

 

在上面代码中，常量APP_ID在百度云控制台中建立，常量API_KEY与SECRET_KEY是在建立完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问作签名验证，可在AI服务控制台中的应用列表中查看。

 

打开Pycharm，新建一个目录ai

建立文件 baidu_ai.py

代码以下:

import time
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

 

将前面提到的AppID，API Key，Secret Key，复制到对应位置。

上面的id和KEY，后5位我改了，复制个人也没有用！呵呵！

请求说明

  • 合成文本长度必须小于1024字节，若是本文长度较长，能够采用屡次请求的方式。文本长度不可超过限制

举例，要把一段文字合成为语音文件：

result  = client.synthesis('你好百度', 'zh', 1, {
    'vol': 5,
})

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

 修改 baidu_ai.py

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result  = client.synthesis('你好百度', 'zh', 1, {
    'vol': 5,
})

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

执行代码，会看到当前目录出现了一个auido.mp3文件，打开播放器，听一下声音。

我用QQ影音，打开正常

 

技术上,代码上任何的疑惑,均可以从官方文档中获得答案

baidu-aip Python SDK 语音合成技术文档 : https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top

刚才咱们作了一个语音合成的例子,就用这个例子来展开说明

先来看第一段代码

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

这是与百度进行一次加密校验 , 认证你是合法用户 合法的应用

AipSpeech 是百度语音的客户端 认证成功以后,客户端将被开启,这里的client 就是已经开启的百度语音的客户端了

再来看第二段代码:

result  = client.synthesis('你好百度', 'zh', 1, {
    'vol': 5,
})

# 若是上面的三个参数APP_ID,API_KEY,SECRET_KEY填写正确的话,res就是我们的音频文件流
# 若是返回失败的话，就会报错!
print(result)

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

 返回样例：

// 成功返回二进制文件流
// 失败返回
{
    "err_no":500,
    "err_msg":"notsupport.",
    "sn":"abcdefgh",
    "idx":1
}

 

用百度语音客户端中的synthesis方法,并提供相关参数

成功能够获得音频文件,失败则返回一段错误信息

重点看一下 synthesis 这个方法 , 从 https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top 来得到答案吧

从参数入手分析:

result  = client.synthesis(
    '你好百度', # text: 合成的文本,使用UTF-8编码,请注意文本长度必须小于1024字节
    'zh',  # lang: 语言，中文:zh 英文:en
    1,  # ctp: 客户端信息这里就写1，写别的很差使，至于为何我们之后再解释
    {
    'vol': 5,  # 合成音频文件的准音量
    'spd':4,  # 语速 取值0-9，默认为5 中语速
    'pit':8,  # 语调音调,取值0-9,默认为5 中语调
    'per':4, # 发音人选择,0为女生，1为男生，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女
    }
)

 按照这些参数,重新发起一个语音合成

with open('auido.mp3', 'wb') as f:
    f.write(result)

 语音识别

点击左边的百度语言->语音识别->Python SDK

建议使用pcm，由于它比较好实现。而另外2种语言格式，有很是高的要求，只有专业级别的设备才能录制。它才能达到百度的要求。

 

哎,每次到这里,我都默默无语泪两行,声音这个东西格式太多样化了,若是要想让百度的SDK识别我们的音频文件,就要想办法转变成百度SDK能够识别的格式PCM

FFmpeg

目前已知能够实现自动化转换格式而且屡试不爽的工具 : FFmpeg 这个工具的下载地址是 : 连接：https://pan.baidu.com/s/1jonSAa_TG2XuaJEy3iTmHg 密码：w6hk

或者官网下载

http://ffmpeg.org/download.html

点击windows图标，点击Builds

个人电脑是64位系统，选择64位，必定要选择Shared，最后点击下载。

 

 

FFmpeg 环境变量配置:

首先你要解压缩,而后找到bin目录,个人目录是 C:\ffmpeg\bin

而后 以 windows 10 为例,配置环境变量

 

添加环境变量

 

若是没搞明白的话,我也没有办法了,这么清晰这么明白

尝试一下,是否配置成功

看到这个界面就算配置成功了,配置成功有什么用呢, 这个工具能够将wav wma mp3 等音频文件转换为 pcm 无压缩音频文件

这个时候，必定要关闭Pycharm，不然Pycharm识别不到。

再次开启Pycharm

 

作一个测试,首先要打开windows的录音机,录制一段音频(说普通话)

如今假设录制的音频文件的名字为 audio.wav 放置在 D:\DragonFireAudio\

而后咱们用命令行对这个 audio.wav 进行pcm格式的转换而后获得 audio.pcm

命令是 :

ffmpeg -y  -i audio.wav  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 audio.pcm

而后打开目录就能够看到pcm文件了

注意事项

若是须要使用实时识别、长语音、唤醒词、语义解析等其它语音功能，请使用Android或者iOS SDK 或 Linux C++ SDK 等。

  1. 请严格按照文档里描述的参数进行开发，特别请关注原始录音参数以及语音压缩格式的建议，不然会影响识别率，进而影响到产品的用户体验。

  2. 目前系统支持的语音时长上限为60s，请不要超过这个长度，不然会返回错误。

 

pcm文件已经获得了,赶忙进入正题吧

请求说明

举例，要对段保存有一段语音的语音文件进行识别：

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 识别本地文件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, {
    'dev_pid': 1536,
})

 

看参数，主要用到的是rate和1536

上图的16000表示采样率

1536表示能识别中文和英文，它的容错率比较高

1537必须是标准的普通话，带点地方口音是不行的。

因此建议使用1536

打开win10自带的录音机，录制一段声音，好比：你叫什么呀

必定要带一个呀字，下面的代码执行会输出10个结果，不然只有一个！

注意：笔记本的麦克风在摄像头的2边，因此录制的时候，必定要对着摄像头！

 

默认为m4a格式的，重命名为whatyouname.m4a，将文件放入ai目录

修改baidu_ai.py，内容以下：

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 识别本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})
print(a)

 

注意上面的id和key。文件名为whatyouname.wav

执行文件，输出：

{'sn': '7436726851526824321', 'err_no': 3301, 'err_msg': 'speech quality error.'}

 

返回错误'err_no': 3301

看文档

找下面对应的3301，表示声音不清晰!

再仔细用播放器，播放一下刚才的声音，挺清晰的呀！

这里报3301不是由于声音不清晰，而是格式不支持。

使用os模块调用ffmpeg实现转码

代码以下：

import os
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


# 读取文件
def get_file_content(filePath):
    cmd_str = "ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
    os.system(cmd_str)  # 调用系统命令ffmpeg,传入音频文件名便可
    with open(filePath + ".pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})
print(a)

 

执行输出，效果以下：

 

 

上面红色文件，不是报错，而是转码过程

主要看err_msg是什么，这里显示success，表示成功。

在ai目录下，会多出一个文件whatyouname.m4a.pcm。这个文件才是刚才真正发给百度的语言文件

返回的结果是一个字典，第一个结果，通常是最正确的。取第一个，就能够了!

 

接下来，就须要从字典取值。字典取值，不要用如下这种方法：

print(a['result'])

 

为何呢？若是key不存在，会直接报错!毕竟报错，是要崩溃的...

因此建议使用get方法，将最后一行的print(a)，修改成如下内容：

import os
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


# 读取文件
def get_file_content(filePath):
    cmd_str = "ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
    os.system(cmd_str)  # 调用系统命令ffmpeg,传入音频文件名便可
    with open(filePath + ".pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

if a.get('result'):
    print(a.get('result')[0])

 

执行输出：

从结果上来看就只有一个了。

low版问答系统

whatyouname.m4a，是已经录制好的音频

 

import os
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'


client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


# 读取音频文件函数
def get_file_content(filePath):
    cmd_str = "ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
    os.system(cmd_str)  # 调用系统命令ffmpeg,传入音频文件名便可
    with open(filePath + ".pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

# if a.get('result'):
#     print(a.get('result')[0])

q = a.get('result')[0]  # 识别音频文件的内容
a = "我不知道你在说什么"
if q == "你叫什么名字":
    a = "我叫小青龙"

# 配置音频流，a就是指定的文本
result  = client.synthesis(a, 'zh', 1, {
    'spd': 4, 'vol': 5, 'pit': 8, 'per': 4
})

# 写入文件
if not isinstance(result, dict):
    with open('audio.mp3', 'wb') as f:
        f.write(result)

    os.system("audio.mp3")
View Code

 

os.system("audio.mp3") ，它会自动调用windows的默认音频软件，并打开文件audio.mp3

 

执行程序，会自动弹出音乐播放器，内容是： 我叫小青龙

 

若是须要定义别的问题，须要从新录制，并在py文件中定制问题。很low是吧，后续会讲web版的问答系统！

 短文本类似度

短文本类似度接口用来判断两个文本的类似度得分。

 

文档连接：

https://ai.baidu.com/docs#/NLP-Python-SDK/6dfe1b04

text1 = "浙富股份"

text2 = "万事通自考网"

""" 调用短文本类似度 """
client.simnet(text1, text2);

""" 若是有可选参数 """
options = {}
options["model"] = "CNN"

""" 带参数调用短文本类似度 """
client.simnet(text1, text2, options)
View Code

 

查看参数

短文本类似度返回示例

{
    "log_id": 12345,
    "texts":{
        "text_1":"浙富股份",
        "text_2":"万事通自考网"
    },
    "score":0.3300237655639648 //类似度结果
},
View Code

 

举例：

新建一个文件baidu_nlp.py

from aip import AipNlp

APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

nlp_client = AipNlp(APP_ID,API_KEY,SECRET_KEY)

""" 调用短文本类似度 """
res = nlp_client.simnet("你叫什么名字","你的名字叫什么")
print(res)

# 若是类似度达到70%
if res.get("score") > 0.7:
    print("我叫青龙")
View Code

 

执行输出：

{'log_id': 4522060321660798564, 'texts': {'text_2': '你的名字叫什么', 'text_1': '你叫什么名字'}, 'score': 0.864488}
我叫青龙

这里的score是类似度，这里表示86.4%。若是是1，表示100%

 

那么就可使用短文本类似度，来回答问题了

修改baidu_ai.py，导入AipNlp，修改问题部分，代码以下：

import os
from aip import AipSpeech
from aip import AipNlp

""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
nlp_client = AipNlp(APP_ID, API_KEY, SECRET_KEY)

# 读取音频文件函数
def get_file_content(filePath):
    cmd_str = "ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
    os.system(cmd_str)  # 调用系统命令ffmpeg,传入音频文件名便可
    with open(filePath + ".pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

# if a.get('result'):
#     print(a.get('result')[0])

q = a.get('result')[0]  # 识别音频文件的内容
a = "我不知道你在说什么"
# 当类似度达到70%时
if nlp_client.simnet(q, "你的名字叫什么").get("score") >= 0.7:
    a = "我叫小青龙"

# 配置音频流，a就是指定的文本
result  = client.synthesis(a, 'zh', 1, {
    'spd': 4, 'vol': 5, 'pit': 8, 'per': 4
})

# 写入文件
if not isinstance(result, dict):
    with open('audio.mp3', 'wb') as f:
        f.write(result)

    os.system("audio.mp3")
View Code

 

执行程序，会自动打开音频文件，说出： 我叫小青龙

 参考文档:https://www.cnblogs.com/DragonFire/p/9208195.html

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程