有了它，实现实时翻译还远吗？

最近，某水果手机厂在万众期待中开了一场没有发布万众期待的手机产品的发布会，发布了除手机外的其余一些产品，也包括最新的水果14系统。几天后，更新了系统的吃瓜群众通过把玩忽然发现新系统里一个超有意思的功能——翻译，好比这种：

奇怪的翻译知识增长了！

相比常见的翻译工具，同声翻译工具更具备实用价值，想一想不精通其余语言就能和歪果朋友无障碍交流的场景，真是一件美事，不如本身动手实现个工具有用!一个同声翻译工具，逻辑大概能够是先识别，然后翻译，翻译可否成功，识别的准确率是个关键因素。为了下降难度，我决定分两次完成工具开发。首先来实现试试语音识别的部分。

轻车熟路，本次的demo继续调用有道智云API，实现实时语音识别。

效果展现

先看看界面和结果哈：

能够选择多种语音，这里只写了四种常见的：

偶分别测试的中文、韩文、英文。看着还不错哦~

调用API接口的准备工做

首先，是须要在有道智云的我的页面上建立实例、建立应用、绑定应用和实例，获取调用接口用到的应用的id和密钥。具体我的注册的过程和应用建立过程详见文章分享一次批量文件翻译的开发过程

开发过程详细介绍

下面介绍具体的代码开发过程。

首先是根据实时语音识别文档来分析接口的输入输出。接口设计的目的是对连续音频流的实时识别，转换成文本信息并返对应文字流，所以通讯采用websocket，调用过程分为认证、实时通讯两阶段。

在认证阶段，需发送如下参数：

参数	类型	必填	说明	示例
appKey	String	是	已申请的应用ID	ID
salt	String	是	UUID	UUID
curtime	String	是	时间戳（秒）	TimeStamp
sign	String	是	加密数字签名。	sha256
signType	String	是	数字签名类型	v4
langType	String	是	语言选择，参考支持语言列表	zh-CHS
format	String	是	音频格式，支持wav	wav
channel	String	是	声道，支持1（单声道）	1
version	String	是	api版本	v1
rate	String	是	采样率	16000

签名sign生成方法以下：
signType=v4；
sign=sha256(应用ID+salt+curtime+应用密钥)。

认证以后，就进入了实时通讯阶段，发送音频流，获取识别结果，最后发送结束标志结束通讯，这里须要注意的是，发送的音频最好是16bit位深的单声道、16k采样率的清晰的wav音频文件，这里我开发时最开始由于音频录制设备有问题，致使音频效果极差，接口一直返回错误码304（手动捂脸）。

Demo开发：

这个demo使用python3开发，包括maindow.py，audioandprocess.py，recobynetease.py三个文件。界面部分，使用python自带的tkinter库，来进行语言选择、录音开始、录音中止并识别的操做。audioandprocess.py实现了录音、音频处理的逻辑，最后经过recobynetease.py中的方法来调用实时语音识别API。

1. 界面部分：

   主要元素：

   root=tk.Tk()
   root.title("netease youdao translation test")
   frm = tk.Frame(root)
   frm.grid(padx='80', pady='80')# label1=tk.Label(frm,text="选择待翻译文件：")# label1.grid(row=0,column=0)label=tk.Label(frm,text='选择语言类型：')
   label.grid(row=0,column=0)
   combox=ttk.Combobox(frm,textvariable=tk.StringVar(),width=38)
   combox["value"]=lang_type_dict
   combox.current(0)
   combox.bind("<<ComboboxSelected>>",get_lang_type)
   combox.grid(row=0,column=1)
   
   btn_start_rec = tk.Button(frm, text='开始录音', command=start_rec)
   btn_start_rec.grid(row=2, column=0)
   
   lb_Status = tk.Label(frm, text='Ready', anchor='w', fg='green')
   lb_Status.grid(row=2,column=1)
   
   btn_sure=tk.Button(frm,text="结束并识别",command=get_result)
   btn_sure.grid(row=3,column=0)
   
   root.mainloop()

二、音频录制部分，引入pyaudio库（需经过pip安装）来调用音频设备，录制接口要求的wav文件，并经过wave库存储文件：

def __init__(self, audio_path, language_type,is_recording):
    self.audio_path = audio_path,
    self.audio_file_name=''
    self.language_type = language_type,
    self.language=language_dict[language_type]
    print(language_dict[language_type])
    self.is_recording=is_recording
    self.audio_chunk_size=1600
    self.audio_channels=1
    self.audio_format=pyaudio.paInt16
    self.audio_rate=16000def record_and_save(self):
    self.is_recording = True
    # self.audio_file_name=self.audio_path+'/recordtmp.wav'
    self.audio_file_name='/recordtmp.wav'

    threading.Thread(target=self.record,args=(self.audio_file_name,)).start()def record(self,file_name):
    print(file_name)
    p=pyaudio.PyAudio()
    stream=p.open(        format=self.audio_format,
        channels=self.audio_channels,
        rate=self.audio_rate,        input=True,
        frames_per_buffer=self.audio_chunk_size
    )
    wf = wave.open(file_name, 'wb')
    wf.setnchannels(self.audio_channels)
    wf.setsampwidth(p.get_sample_size(self.audio_format))
    wf.setframerate(self.audio_rate)    # 读取数据写入文件
    while self.is_recording:
        data = stream.read(self.audio_chunk_size)
        wf.writeframes(data)
    wf.close()
    stream.stop_stream()
    stream.close()
    p.terminate()

三、翻译接口调用部分：

def recognise(filepath,language_type):
    global file_path
    file_path=filepath
    nonce = str(uuid.uuid1())
    curtime = str(int(time.time()))
    signStr = app_key + nonce + curtime + app_secret
    print(signStr)
    sign = encrypt(signStr)

    uri = "wss://openapi.youdao.com/stream_asropenapi?appKey=" + app_key + "&salt=" + nonce + "&curtime=" + curtime + \          "&sign=" + sign + "&version=v1&channel=1&format=wav&signType=v4&rate=16000&langType=" + language_type
    print(uri)
    start(uri, 1600)def encrypt(signStr):
    hash = hashlib.sha256()    hash.update(signStr.encode('utf-8'))    return hash.hexdigest()def on_message(ws, message):
    result=json.loads(message)    try:
        resultmessage1 = result['result'][0]
        resultmessage2 = resultmessage1["st"]['sentence']
        print(resultmessage2)    except Exception as e:
        print('')def on_error(ws, error):
    print(error)def on_close(ws):
    print("### closed ###")def on_open(ws):
    count = 0
    file_object = open(file_path, 'rb')    while True:
        chunk_data = file_object.read(1600)
        ws.send(chunk_data, websocket.ABNF.OPCODE_BINARY)
        time.sleep(0.05)
        count = count + 1
        if not chunk_data:            break
    print(count)
    ws.send('{\"end\": \"true\"}', websocket.ABNF.OPCODE_BINARY)def start(uri,step):

    websocket.enableTrace(True)

    ws = websocket.WebSocketApp(uri,
                                on_message=on_message,
                                on_error=on_error,
                                on_close=on_close)

    ws.on_open = on_open
    ws.run_forever()

总结

有道智云提供的接口一如既往的好用，此次开发主要的精力全都浪费在了因为我本身录制的音频质量差而识别失败的问题上，音频质量ok后，识别结果准确无误，下一步就是拿去翻译了，有了有道智云API，实现实时翻译也能够如此简单！