Delphi调用百度语音识别服务

简介

百度语音识别通过 REST API 的方式给开发者提供一个通用的 HTTP 接口。 上传需要完整的录音文件，录音文件时长不超过60s。百度语音提供2种识别模型：

• 搜索模型： 效果同手机百度搜索的语音输入。适合于短语识别，没有逗号。
• 输入法模型：效果同百度输入法的语音输入。适合于长句识别，有逗号。

文档地址：http://ai.baidu.com/docs#/ASR-API/top

调用流程

创建应用

• 1、登录百度云服务平台，没有账号请先自行注册https://cloud.baidu.com/
• 2、在产品服务——人工智能——百度语音 下创建一个应用，输入应用名称和应用描述，点击创建应用。创建成功后点击查看应用详情。会生成API Key和Secret Key

获取token

function Getaccess_token(grant_type,client_id,client_secret:string):string;  //获取token
var
 idhttp2:Tidhttp;
 authHost:string;
 tokSl:Tstringlist;
begin
  authHost:= 'http://aip.baidubce.com/oauth/2.0/token';
  try
    tokSl:=Tstringlist.Create;
    idhttp2:=Tidhttp.Create(nil);
    toksl.Add('grant_type=' + grant_type);
    toksl.Add('client_id=' + client_id);
    toksl.Add('client_secret=' + client_secret);
    Result:=idhttp2.Post(authHost,toksl);
  finally
    toksl.Free;
    idhttp2.DisposeOf;
  end;
end;

可得到如下结果

{
    "access_token": "1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328",
    "expires_in": 2592000,
    "refresh_token": "2.385d55f8615fdfd9edb7c4b********.604800.1293440400-2346678-124328",
    "scope": "public audio_tts_post ...",
    "session_key": "ANXxSNjwQDugf8615Onqeik********CdlLxn",
    "session_secret": "248APxvxjCZ0VEC********aK4oZExMB",
}

scope中含有audio_tts_post 表示有语音合成能力，没有该audio_tts_post 的token调用接口会返回502错误。 在结果中可以看见 token = 1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328，在2592000秒（30天）后过期。
响应数据包如下所示，其中 “access_token” 字段即为请求 REST API 所需的令牌, 默认情况下，Access Token 有效期为30天，开发者需要对 Access Token的有效性进行判断，如果Access Token过期可以重新获取。

语音格式

格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。推荐pcm 采样率 ：16000 固定值。 编码：16bit 位深的单声道。
百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr会有额外的转换耗时。

请求方式

如果您的音频在本地，需要将音频数据放在body中。（推荐方式） 音频在本地，有JSON和raw两种方式提交。这两种提交方式，均不是浏览器表单的提交
一、json 方式，上传本地文件

• 音频文件，读取二进制内容后， base64 放在speech参数内。
• 音频文件的原始大小, 即二进制内容的字节数，填写“len”字段

由于使用json格式， header为：
Content-Type:application/json
注意 由于base64编码后，数据会增大1/3。
二、raw方式，上传本地文件（本文使用这种方式）

• 音频文件，读取二进制内容后，直接放在body中。
• Content-Length的值即为音频文件的大小。（一般代码会自动生成）。

由于使用raw方式， 采样率和文件格式需要填写在Content-Type中
Content-Type: audio/pcm;rate=16000

识别语言及模型选择

目前 API 仅支持整段语音识别的模式，即需要上传完整语音文件进行识别。文件大小不超过10M，时长不超过60s。 语音数据上传POST方式有2种：

• 1、JSON格式POST上传本地文件。
• 2、raw格式POST上传本地文件（本文使用这种方式）

正式地址：http://vop.baidu.com/server_api 或 https://vop.baidu.com/server_api

function GetMidString(s: string; d: string; c: string): string; // 取字符串中间
var
  i, n: Integer;
begin
  try
    i := pos(d, s);
    n := pos(c, copy(s, i + 1, Length(s) - i));
    Result := copy(s, i + Length(d), n - Length(d));
  except
    Result := '';
  end;
end;

function NBGetAdapterAddress(ID: integer): String; //用于得到一个cuid用户唯一标识
Var
  NC: TNCB;
  ADAPTE: TADAPTERSTATUS;
  LANAENU: TLANAENUM;
  intId: integer;
  cR: AnsiChar;
  strTem: String;
Begin
  Result := '';
  Try
    ZeroMemory(@NC, SizeOf(NC));
    NC.ncb_command := Chr(NCBENUM);
    cR := NetBios(@NC);
    // Reissue enum command
    NC.ncb_buffer := @LANAENU;
    NC.ncb_length := SizeOf(LANAENU);
    cR := NetBios(@NC);
    If Ord(cR) <> 0 Then
      exit;
    ZeroMemory(@NC, SizeOf(NC));
    NC.ncb_command := Chr(NCBRESET);
    NC.ncb_lana_num := LANAENU.lana[ID];
    cR := NetBios(@NC);
    If Ord(cR) <> 0 Then
      exit;
    ZeroMemory(@NC, SizeOf(NC));
    NC.ncb_command := Chr(NCBASTAT);
    NC.ncb_lana_num := LANAENU.lana[ID];
    StrPCopy(NC.ncb_callname, '*');
    NC.ncb_buffer := @ADAPTE;
    NC.ncb_length := SizeOf(ADAPTE);
    cR := NetBios(@NC);
    strTem := '';
    For intId := 0 To 5 Do
      strTem := strTem + InttoHex(integer(ADAPTE.adapter_address[intId]), 2);
    Result := strTem;
  except
    Result := 'Error';
  End;
end;

procedure TForm2.Button1Click(Sender: TObject);//具体调用
var
  sUrl, sLan, cuid, apiKey, secretKey, token, sR: string;
  response: TStringStream; Stream: TFileStream;
  tok,re: string;
  grant_type,client_id,client_secret:string;
begin
  begin
    if not internetcheckconnection('http://www.baidu.com', 1, 0) then
      showmessage('联网失败，请先检查网络连接！')
    else
    begin
      cuid := NBGetAdapterAddress(0);

      Filename := FormatDateTime('yyyy年mm月dd日 hh时nn分ss秒', now()) + '转换语音.mp3';
      grant_type:='client_credentials';//grant_type： 必须参数，固定为client_credentials

      client_id:='你的应用的API Key';//必须参数，应用的API Key

      client_secret:='你的应用的Secret Key';//必须参数，应用的Secret Key

      tok :=GetMidString(Getaccess_token(grant_type,client_id,client_secret),'access_token":"','",');  //如果直接使用，注意token会在30天后过期

  sR := '';
  sLan := 'zh';//en zh //x-flac
  idHttp1.Request.ContentType := 'audio/wav;rate=16000';

  token := tok;
  Stream := TFileStream.Create('e:\16k.wav', fmShareDenyNone);
  Stream.Position := 0;
  sUrl := 'http://vop.baidu.com/server_api?lan='+sLan+'&cuid='+ cuid + '&token='+token;
  response := TStringStream.create('', tencoding.utf8);
  idHttp1.Post(sUrl, stream, response);
  re:=  response.DataString;
  if pos('success',re) > 0 then
  memo1.Lines.Add(GetMidString(re,'result":["','，"]'))
    end;
  end;
end;

源码下载