全部产品
Search

搜索本产品

    使用函数计算方式的录音文件识别

    文档中心
    下载PDF

    使用函数计算方式的录音文件识别

    更新时间： 2020-11-03

    对于将音频文件存储在阿里云OSS上的用户，除了文档中介绍的使用SDK集成录音文件识别的开发外，还可以通过函数计算的方式，将录音文件识别通过触发器函数自动执行，将识别结果保存回OSS或者其他存储器上，用户只需关注最终的识别结果，减少SDK集成开发的工作。对于非开发人员，可以通过该方式快速获取识别结果进行分析。函数计算的详细介绍，请阅读 官方文档。

    2 效果

    说明： 文档中使用的OSS Bucket为nls-file-trans，音频文件存放目录为filetrans/raw，识别结果存放目录为filetrans/result，识别结果保存在json文件中，以文件名_taskId.json表示识别成功的结果，文件名_taskId_failed.json表示识别失败的结果。用户在实际使用中，请根据实际情况，修改为自己的Bucket和文件存放目录。

    • 通过OSS控制台上传音频文件

    通过控制台的“上传文件”按钮，上传音频文件到指定的Bucket路径filetrans/raw：上传文件

    对应函数计算的触发器(将在后面章节介绍)：函数计算

    识别结果存放路径filetrans/result：识别结果

    上传的nls-sample-16k.wav音频文件识别结果：

    1. {
    2.     "Result": {
    3.         "Sentences": [{
    4.             "EndTime": 2365,
    5.             "SilenceDuration": 0,
    6.             "BeginTime": 340,
    7.             "Text": "北京的天气。",
    8.             "ChannelId": 0,
    9.             "SpeechRate": 177,
    10.             "EmotionValue": 5.0
    11.         }]
    12.     },
    13.     "TaskId": "fb0474184c6d11e9a213e11db149f2ff",
    14.     "StatusCode": 21050000,
    15.     "StatusText": "SUCCESS",
    16.     "RequestTime": 1553237085804,
    17.     "SolveTime": 1553237086146,
    18.     "BizDuration": 2956
    19. }

    以ossutil为例：

    1. ossutil cp nls-sample-16k.wav oss://nls-file-trans/filetrans/raw/nls-sample-16k.wav

    与控制台上传音频文件的识别流程相同。

    3 准备工作

    需要准备的内容有：

    • 开通OSS服务：有对应的AccessKey ID，AccessKey Secret，OSS EndPoint;
    • 开通智能语音交互服务：有对应的AccessKey ID，AccessKey Secret，AppKey；
    • 开通函数计算服务；
    • 授权：需要给函数计算的账号授权OSS的读写权限。

    4 实现方式

    我们需要在函数计算上实现的内容有：

    1. 创建函数计算的服务；
    2. 创建生成任务的函数，使用OSS触发器，设置第三步的回调URL，生成录音文件识别任务。
    3. 创建接收回调的函数，使用HTTP触发器，生成回调URL，用于将录音文件识别结果写回OSS。

    4.1 创建服务

    在函数计算的控制台创建一个服务，可以在创建时进行高级配置，也可以创建后再行设置。新建服务

    高级配置：在高级配置—>权限配置中，如果没有已有角色，需要创建一个新角色，选择AliyunOSSFullAccess，点击授权。高级配置

    登录RAM访问控制 > RAM角色管理，找新创建的角色，点击添加权限，添加AliyunOSSFullAccess、AliyunSTSAssumeRoleAccess、AliyunNLSFullAccess权限（如果已经授权，则不要添加）。角色授权

    4.2 生成任务

    生成任务用于提交录音文件识别请求，OSS上传音频文件时，将触发OSS触发器，调用函数，提交录音文件识别请求。

    4.2.1 编写函数

    在创建的服务下，创建一个函数，用于生成任务：

    1. 新建一个函数：call_filetrans
    2. 函数入口：call_filetrans.handler
    3. 运行环境：Python3
    4. 函数执行内存：128MB（选择最小值128MB已经够用，这个和函数计算的计费相关）
    5. 超时时间：600s

    函数内容如下，需要用户替换的参数：

    1. OSS账号相关的AccessKey ID、AccessKey Secret、OSS EndPoint（选择外网访问）
    2. 录音文件识别账号相关的AccessKey ID、AccessKey Secret、Appkey、回调URL(在创建HTTP触发器时获取)
    1. # -*- coding: utf-8 -*-
    3. import json
    4. import time
    5. from aliyunsdkcore.acs_exception.exceptions import ClientException
    6. from aliyunsdkcore.acs_exception.exceptions import ServerException
    7. from aliyunsdkcore.client import AcsClient
    8. from aliyunsdkcore.auth.credentials import StsTokenCredential
    9. from aliyunsdkcore.request import CommonRequest
    10. import oss2
    11. import logging
    13. ossEndPoint = "您的OSS EndPoint"            # oss账号EndPoint，请选择外网访问
    14. fileTransAppkey = "您的项目appkey"   # 录音文件识别账号 appkey
    15. fileTransCallbackUrl = "您的回调URL" # 在创建HTTP触发器时获取
    17. def handler(event, context):
    18.     logger = logging.getLogger()
    19.     logger.info(event)
    21.     eventObj = json.loads(event)["events"]
    22.     eventName=eventObj[0]["eventName"]
    23.     bucketName=eventObj[0]["oss"]["bucket"]["name"]
    24.     ossFileName=eventObj[0]["oss"]["object"]["key"]
    26.     logger.info("eventName: %s" % eventName)
    27.     logger.info("bucketName: %s" % bucketName)
    28.     logger.info("ossFileName: %s" % ossFileName)
    30.     appKey = fileTransAppkey
    32.     # 下面这些值是固定的，不需要改动
    33.     REGION_ID = "ap-southeast-1"
    34.     PRODUCT = "nls-filetrans"
    35.     DOMAIN = "filetrans.ap-southeast-1.aliyuncs.com"
    36.     API_VERSION = "2019-08-23"
    37.     POST_REQUEST_ACTION = "SubmitTask"
    38.     GET_REQUEST_ACTION = "GetTaskResult"
    39.     KEY_APP_KEY = "appkey"
    40.     KEY_FILE_LINK = "file_link"
    41.     KEY_VERSION = "version"
    42.     KEY_TASK = "Task"
    43.     KEY_TASK_ID = "TaskId"
    44.     KEY_STATUS_TEXT = "StatusText"
    46.     creds = context.credentials
    48.     # 创建AcsClient实例
    49.     sts_token_credential = StsTokenCredential(creds.accessKeyId, creds.accessKeySecret, creds.securityToken)
    50.     client = AcsClient(region_id=REGION_ID, credential=sts_token_credential)
    52.     # 创建提交录音文件识别请求，并设置请求参数
    53.     postRequest = CommonRequest()
    54.     postRequest.set_domain(DOMAIN)
    55.     postRequest.set_version(API_VERSION)
    56.     postRequest.set_product(PRODUCT)
    57.     postRequest.set_action_name(POST_REQUEST_ACTION)
    58.     postRequest.set_method('POST')
    60.     filename = ossFileName.split('/')[-1]
    62.     # create file url
    63.     auth = oss2.StsAuth(creds.accessKeyId, creds.accessKeySecret, creds.securityToken)
    64.     bucket = oss2.Bucket(auth, ossEndPoint, bucketName)
    65.     fileLink = bucket.sign_url('GET', ossFileName, 3600)
    66.     logger.info("file link = " + fileLink)
    68.     # 下面的回调地址，在第二步中生成。
    69.     callback_url = fileTransCallbackUrl + "/" + filename
    70.     logger.info("callback url = " + callback_url)
    72.     task = {"SecurityToken": creds.securityToken, KEY_APP_KEY : appKey, KEY_FILE_LINK : fileLink, KET_VERSION : "4.0", "enable_words" : False, "enable_callback" : True, "callback_url" : callback_url}
    73.     task = json.dumps(task)
    74.     #logger.info (task)
    75.     postRequest.add_body_params(KEY_TASK, task)
    77.     taskId = ""
    78.     try :
    79.         # 提交录音文件识别请求，处理服务端返回的响应
    80.         postResponse = client.do_action_with_exception(postRequest)
    81.         postResponse = json.loads(postResponse)
    82.         logger.info(postResponse)
    83.         # 获取录音文件识别请求任务的ID，以供识别结果查询使用
    84.         statusText = postResponse[KEY_STATUS_TEXT]
    85.         if statusText == "SUCCESS" :
    86.             logger.info("录音文件识别请求成功响应！")
    87.             taskId = postResponse[KEY_TASK_ID]
    88.             logger.info("taskId = " + taskId)
    89.         else :
    90.             logger.info ("录音文件识别请求失败！")
    91.     except ServerException as e:
    92.         logger.error(e)
    93.     except ClientException as e:
    94.         logger.error(e)
    96.     logger.info('hello world')
    97.     logger.info(taskId)
    98.     return taskId

    4.2.2 配置OSS触发器

    说明：由于上传音频文件到OSS的Bucket中，有两种上传方式：Put和Post，所以为了能触发所有的上传事件，需要创建两个OSS触发器：

    • 触发器类型：对象存储触发器；
    • 触发器名称：可自定义；
    • 触发事件：分别选择 oss:ObjectCreated:PutObject 和 oss:ObjectCreated:PostObject 创建两个触发器；
    • 触发规则：前缀filetrans/raw/ （根据自己实际情况填写）；
    • 后缀：.wav （根据自己实际情况填写）；
    • 角色：如果已有合适角色，可直接选择；如果没有角色，则选择新建角色。

    创建结果：

    oss:ObjectCreated:PutObject事件：

    putobject

    oss:ObjectCreated:PostObject事件：

    postobject

    创建成功后，可以在OSS控制台对应Bucket的函数计算中找到这两个触发器。

    4.3 接收回调

    录音文件识别服务识别完成后，将识别结果通过HTTP触发器，写回OSS的Bucket中。在创建HTTP触发器的时候可以获得回调URL，请设置到生成任务函数的回调URL中。

    4.3.1 编写函数

    在创建的服务下，创建一个函数，用于将识别结果写回OSS：

    • 新建一个函数：put_http_post_to_oss
    • 函数入口：index.handler
    • 运行环境：Python3
    • 函数执行内存：128MB（选择最小值128MB已经够用，这个和函数计算的计费相关）
    • 超时时间：600s

    函数内容如下，需要用户替换的参数：

    1. OSS的EndPoint（外网访问）
    2. OSS Bucket名称
    3. OSS Bucket中的目录，用于存放识别结果文件
    1. # -*- coding: utf-8 -*-
    3. import logging
    4. import oss2
    5. import json
    7. endpoint = "您的OSS EndPoint" # oss配置
    8. bucketName = "您的OSS Bucket名称" # oss配置
    9. resultOssPath = "您的录音文件识别结果存放目录" # oss路径，用于存储识别结果文件
    11. B_OK = b"ok"
    13. def handler(environ, start_response):
    14.     logger = logging.getLogger()
    16.     context = environ['fc.context']
    17.     request_uri = environ['fc.request_uri']
    18.     for k, v in environ.items():
    19.       if k.startswith("HTTP_"):
    20.         # process custom request headers
    21.         pass
    23.     logger.info("request_uri = " + request_uri)
    24.     filename = request_uri.split('/')[-1]
    25.     logger.info('filename = ' + filename)
    27.     # get request_body
    28.     try:
    29.         request_body_size = int(environ.get('CONTENT_LENGTH', 0))
    30.     except (ValueError):
    31.         request_body_size = 0
    32.     request_body = environ['wsgi.input'].read(request_body_size)
    34.     # parse result
    35.     postResponse = json.loads(request_body)
    36.     taskId = postResponse['TaskId']
    37.     statusText = postResponse['StatusText']
    39.     # put to oss
    40.     creds = context.credentials
    41.     auth = oss2.StsAuth(creds.accessKeyId, creds.accessKeySecret, creds.securityToken)
    42.     logger.info("creds.accessKeyId = " + creds.accessKeyId)
    43.     logger.info("creds.accessKeySecret = " + creds.accessKeySecret)
    44.     logger.info("creds.securityToken = " + creds.securityToken)
    46.     bucket = oss2.Bucket(auth, endpoint, bucketName)
    48.     if statusText == "SUCCESS" :
    49.       filename = resultOssPath + "/" + filename + "_" + taskId + '.json'
    50.     else :
    51.       filename = resultOssPath + "/" + filename + "_" + taskId + '_failed.json'
    53.     logger.info('filename = ' + filename)
    54.     bucket.put_object(filename, request_body)
    56.     # do something here
    57.     status = '200 OK'
    58.     response_headers = [('Content-type', 'text/plain')]
    59.     start_response(status, response_headers)
    60.     return [B_OK]

    4.3.2 配置HTTP触发器

    新建HTTP触发器：

    • 服务类型：HTTP 触发器
    • 触发器名称：http_post_caller（可自定义）
    • 认证方式：anonymous
    • 请求方式：POST

    创建成功后，会自动生成路径，作为回调URL，请将其设置到生成任务函数的回调URL中。

    http触发器

    至此，所有配置已经全部完成，您可以在OSS中上传音频文件，进行测试和使用了。

    免费试用 免费试用