最近，某水果手機廠在萬眾期待中開了一場沒有發(fā)布萬眾期待的手機產品的發(fā)布會，發(fā)布了除手機外的其他一些產品，也包括最新的水果14系統(tǒng)。幾天后，更新了系統(tǒng)的吃瓜群眾經過把玩突然發(fā)現(xiàn)新系統(tǒng)里一個超有意思的功能——翻譯，比如這種：

奇怪的翻譯知識增加了！

相比常見的翻譯工具，同聲翻譯工具更具有實用價值，想想不精通其他語言就能和歪果朋友無障礙交流的場景，真是一件美事，不如自己動手實現(xiàn)個工具備用!一個同聲翻譯工具，邏輯大概可以是先識別，而后翻譯，翻譯能否成功，識別的準確率是個關鍵因素。為了降低難度，我決定分兩次完成工具開發(fā)。首先來實現(xiàn)試試語音識別的部分。

輕車熟路，本次的demo繼續(xù)調用有道智云API，實現(xiàn)實時語音識別。

效果展示

先看看界面和結果哈：

可以選擇多種語音，這里只寫了四種常見的：

偶分別測試的中文、韓文、英文。看著還不錯哦~

調用API接口的準備工作

首先，是需要在有道智云的個人頁面上創(chuàng)建實例、創(chuàng)建應用、綁定應用和實例，獲取調用接口用到的應用的id和密鑰。具體個人注冊的過程和應用創(chuàng)建過程詳見文章分享一次批量文件翻譯的開發(fā)過程

開發(fā)過程詳細介紹

下面介紹具體的代碼開發(fā)過程。

首先是根據實時語音識別文檔來分析接口的輸入輸出。接口設計的目的是對連續(xù)音頻流的實時識別，轉換成文本信息并返對應文字流，因此通信采用websocket，調用過程分為認證、實時通信兩階段。

在認證階段，需發(fā)送以下參數：

參數 類型 必填 說明 示例 appKey String 是 已申請的應用ID ID salt String 是 UUID UUID curtime String 是 時間戳（秒） TimeStamp sign String 是 加密數字簽名。 sha256 signType String 是 數字簽名類型 v4 langType String 是 語言選擇，參考支持語言列表 zh-CHS format String 是 音頻格式，支持wav wav channel String 是 聲道，支持1（單聲道） 1 version String 是 api版本 v1 rate String 是 采樣率 16000

簽名sign生成方法如下：signType=v4；sign=sha256(應用ID+salt+curtime+應用密鑰)。

認證之后，就進入了實時通信階段，發(fā)送音頻流，獲取識別結果，最后發(fā)送結束標志結束通信，這里需要注意的是，發(fā)送的音頻最好是16bit位深的單聲道、16k采樣率的清晰的wav音頻文件，這里我開發(fā)時最開始因為音頻錄制設備有問題，導致音頻效果極差，接口一直返回錯誤碼304（手動捂臉）。

Demo開發(fā)：

這個demo使用python3開發(fā)，包括maindow.py，audioandprocess.py，recobynetease.py三個文件。界面部分，使用python自帶的tkinter庫，來進行語言選擇、錄音開始、錄音停止并識別的操作。audioandprocess.py實現(xiàn)了錄音、音頻處理的邏輯，最后通過recobynetease.py中的方法來調用實時語音識別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='選擇待翻譯文件：')# label1.grid(row=0,column=0)label=tk.Label(frm,text=’選擇語言類型：’)label.grid(row=0,column=0)combox=ttk.Combobox(frm,textvariable=tk.StringVar(),width=38)combox['value']=lang_type_dictcombox.current(0)combox.bind('<<ComboboxSelected>>',get_lang_type)combox.grid(row=0,column=1)btn_start_rec = tk.Button(frm, text=’開始錄音’, 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='結束并識別',command=get_result)btn_sure.grid(row=3,column=0)root.mainloop()

2.音頻錄制部分，引入pyaudio庫（需通過pip安裝）來調用音頻設備，錄制接口要求的wav文件，并通過wave庫存儲文件：

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) # 讀取數據寫入文件 while self.is_recording: data = stream.read(self.audio_chunk_size) wf.writeframes(data) wf.close() stream.stop_stream() stream.close() p.terminate()

3.翻譯接口調用部分：

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()

總結

有道智云提供的接口一如既往的好用，這次開發(fā)主要的精力全都浪費在了由于我自己錄制的音頻質量差而識別失敗的問題上，音頻質量ok后，識別結果準確無誤，下一步就是拿去翻譯了，有了有道智云API，實現(xiàn)實時翻譯也可以如此簡單！

以上就是python開發(fā)一款翻譯工具的詳細內容，更多關于python開發(fā)翻譯工具的資料請關注好吧啦網其它相關文章！