Python SDK 2.0

提示：

• 在使用SDK之前，请先确保已阅读了 接口说明文档。

下载安装

说明：

• SDK仅支持Python3，版本要求为3.4及以上，暂不支持Python2。
• 请确认已安装Python包管理工具setuptools，如果没有安装，请使用以下命令安装：

    pip install setuptools

1. 下载 Python SDK链接
2. 安装，在SDK目录执行以下命令：

    # 打包
    python setup.py bdist_egg
    # 安装
    python setup.py install

注意：以上的pip、python命令是对应的Python3。

关键接口

1. NlsClient：语音处理client，相当于所有语音相关处理类的factory，全局创建一个实例即可。线程安全。
2. SpeechTranscriber：实时语音识别类，设置请求参数，发送请求及语音数据。非线程安全。
   • start方法：建立与服务端的连接。默认参数ping_interval表示自动发送ping命令的间隔，ping_timeout表示等待ping命令响应的pong消息的超时时间，需要满足ping_interval 大于 ping_timeout。
   • send方法：发送语音数据到服务端。
   • stop方法：结束识别并关闭与服务端的连接。
   • close方法：关闭与服务端的网络链接。
3. SpeechTranscriberCallback：回调事件函数集合的类，语音结果、异常等回调的统一入口。
   • on_started方法：客户端与服务端建立连接成功的回调。
   • on_result_changed方法：客户端接收到中间识别结果的回调。
   • on_sentence_begin方法：客户端接收到一句话开始的回调。
   • on_sentence_end方法：客户端接收到一句话结束的回调。
   • on_completed方法：客户端接收到识别结束的回调。
   • on_task_failed方法：客户端接收到异常错误的回调。
   • on_channel_closed方法：客户端接收到断开网络链接成功的回调。

SDK调用注意事项

1. NlsClient对象创建一次可以重复使用。
2. SpeechTranscriber对象不能重复使用，一个识别任务对应一个SpeechTranscriber对象。例如有N个音频文件，则要进行N次识别任务，创建N个SpeechTranscriber对象。
3. 实现的SpeechTranscriberCallback对象和SpeechTranscriber对象是一一对应的，不能将一个实现的SpeechTranscriberCallback对象设置到多个SpeechTranscriber对象中，否则不能区分是哪个识别任务。

示例代码

说明1： Demo中使用的音频文件为16000Hz采样率，请在控制台中将appkey对应项目的模型设置为通用模型，以获取正确的识别结果；如果使用其他音频，请设置为支持该音频场景的模型，模型设置请阅读管理项目一节。

nls-sample-16k.wav

示例：

# -*- coding: utf-8 -*-
import os
import time
import threading
import ali_speech
from ali_speech.callbacks import SpeechTranscriberCallback
from ali_speech.constant import ASRFormat
from ali_speech.constant import ASRSampleRate
class MyCallback(SpeechTranscriberCallback):
    """
    构造函数的参数没有要求，可根据需要设置添加
    示例中的name参数可作为待识别的音频文件名，用于在多线程中进行区分
    """
    def __init__(self, name='default'):
        self._name = name
    def on_started(self, message):
        print('MyCallback.OnRecognitionStarted: %s' % message)
    def on_result_changed(self, message):
        print('MyCallback.OnRecognitionResultChanged: file: %s, task_id: %s, result: %s' % (
            self._name, message['header']['task_id'], message['payload']['result']))
    def on_sentence_begin(self, message):
        print('MyCallback.on_sentence_begin: file: %s, task_id: %s, sentence_id: %s, time: %s' % (
            self._name, message['header']['task_id'], message['payload']['index'], message['payload']['time']))
    def on_sentence_end(self, message):
        print('MyCallback.on_sentence_end: file: %s, task_id: %s, sentence_id: %s, time: %s, result: %s' % (
            self._name,
            message['header']['task_id'], message['payload']['index'],
            message['payload']['time'], message['payload']['result']))
    def on_completed(self, message):
        print('MyCallback.OnRecognitionCompleted: %s' % message)
    def on_task_failed(self, message):
        print('MyCallback.OnRecognitionTaskFailed-task_id:%s, status_text:%s' % (
            message['header']['task_id'], message['header']['status_text']))
    def on_channel_closed(self):
        print('MyCallback.OnRecognitionChannelClosed')
def process(client, appkey, token):
    audio_name = 'nls-sample-16k.wav'
    callback = MyCallback(audio_name)
    transcriber = client.create_transcriber(callback)
    transcriber.set_url("wss://nls-gateway-ap-southeast-1.aliyuncs.com/ws/v1")
    transcriber.set_appkey(appkey)
    transcriber.set_token(token)
    transcriber.set_format(ASRFormat.PCM)
    transcriber.set_sample_rate(ASRSampleRate.SAMPLE_RATE_16K)
    transcriber.set_enable_intermediate_result(False)
    transcriber.set_enable_punctuation_prediction(True)
    transcriber.set_enable_inverse_text_normalization(True)
    try:
        ret = transcriber.start()
        if ret < 0:
            return ret
        print('sending audio...')
        with open(audio_name, 'rb') as f:
            audio = f.read(3200)
            while audio:
                ret = transcriber.send(audio)
                if ret < 0:
                    break
                time.sleep(0.1)
                audio = f.read(3200)
        transcriber.stop()
    except Exception as e:
        print(e)
    finally:
        transcriber.close()
def process_multithread(client, appkey, token, number):
    thread_list = []
    for i in range(0, number):
        thread = threading.Thread(target=process, args=(client, appkey, token))
        thread_list.append(thread)
        thread.start()
    for thread in thread_list:
        thread.join()
if __name__ == "__main__":
    client = ali_speech.NlsClient()
    # 设置输出日志信息的级别：DEBUG、INFO、WARNING、ERROR
    client.set_log_level('INFO')
    appkey = '您的appkey'
    token = '您的Token'
    process(client, appkey, token)
    # 多线程示例
    # process_multithread(client, appkey, token, 2)