阿里云 智能语音识别 SDK

GO 语言版本

---

Install

go get https://github.com/huyinghuan/aliyun-voice

TTS 【语音合成服务】

package:

"github.com/huyinghuan/aliyun-voice/tts"

tts.GetAuth(accessID string, accessKey string):*Auth

阿里云认证。

  auth := tts.GetAuth(ALIYUNACCESSID, ALIYUNACCESSKEY)

auth.GetVoice(text string):([]byte, error)

获取语音文件字节数组，或抛出错误。 注意！！！ 有时候 语音文件会返回空字节数组，这时是由于aliyun api不稳定造成。 由于aliyun api不会报错，因此这里也不会作为错误抛出，需要自己捕获空字节数组进行处理

auth.SaveVoice(text string, dist string):error

存储语音文件到指定目录【dist】，或抛出错误。

auth.GetLongVoice(text string):([]byte, []error)

获取长文本文件字节数组，或抛出错误

auth.SaveLongVoice(text string, dist string):[]error

存储语音文件到指定目录【dist】，或抛出错误。

auth.TTSConfig

设置语音文件属性,参考：https://help.aliyun.com/document_detail/52793.html?spm=5176.doc30422.6.587.Z6Muvv

auth.TTSConfig = &auth.TTS{
  EncodeType            string
	VoiceName             string
	Volume                int //0-100
	SampleRate            int //8000 or 16000
	SpeechRate            int //-500-500
	PitchRate             int //-500-500
	TssNus                int // 0 or 1
	BackgroundMusicID     int // 0 or 1
	BackgroundMusicOffset int // default 0,
	BackgroundMusicVolume int //default 50, 0-100
}

or

auth.TTSConfig.EncodeType = xxxxx 
auth.TTSConfig.Volume = 90
...

Test

填写 tts/index_test.go的 ALIYUNACCESSID 和ALIYUNACCESSKEY

go test aliyun-voice/tts -v

Example

package main

import (
	"log"
	"os/user"
	"path/filepath"

	"github.com/huyinghuan/aliyun-voice/tts"
)

func main() {

	//ALIYUNACCESSID 阿里云 access_id
	var ALIYUNACCESSID = "Your aliyun access_id"

	//ALIYUNACCESSKEY 阿里云 access_key
	var ALIYUNACCESSKEY = "Your aliyun access_key"
	myself, _ := user.Current()
	voiceFile := filepath.Join(myself.HomeDir, "Desktop", "b.mp3")
	auth := tts.GetAuth(ALIYUNACCESSID, ALIYUNACCESSKEY)
	if err := auth.SaveVoice("窗前明月光，地上鞋一双。", voiceFile); err != nil {
		log.Fatalln(err)
	}
}

ASR 【语音识别服务】

package:

"github.com/huyinghuan/aliyun-voice/asr"

ars.GetAuth(accessID string, accessKey string):*Auth

阿里云认证。

  auth := ars.GetAuth(ALIYUNACCESSID, ALIYUNACCESSKEY)

ars.ARSConfig 音频文件属性设置

type ARSConfig struct{
      Model string //语音模型
      ContentType string //编码  可选: pcm, wav, opu, opus, speex
      SampleRate int //采样率
}

ars.GetOneWord(voice []byte)(result map[string]string, err error)

获取一句话【低于1分钟的语音】语音识别结果。 返回字段见 识别结果返回

注意，这里的默认音频文件格式为 wav, 【频率为 16000， 当设置音频格式为wav时, 会自动分析当前频率，不需要填写】, 语音模型为: chat 更多格式 见[RestfulAPI] (https://help.aliyun.com/document_detail/52787.html)

ars.GetOneWordByFile(filePath string)(result map[string]string, err error)

获取一句话音频文件【低于1分钟的语音文件】的识别结果

长音频识别

[TODO]

测试用例

见 asr/index_test 里面的音频文件是由tts通过文字生成提供的。