人工智能初识,百度AI
一.人工智能初識
什么是智能
我們通常把人稱為智慧生物,那么"智慧生物的能力"就是所謂的"人工智能"
我們有什么能力?
聽,說,看,理解,思考,情感等等....
什么是人工智能
顧名思義就是由人創(chuàng)造的"智慧能力",同樣具備,聽說看理解等能力
聽=語音識別
說=語音合成
看=圖像視頻文字識別
理解=語言(文字)圖像視屏理解等邏輯處理
思考=理解后的邏輯處理
一個簡單的問答
問題:你叫什么名字?
答案:我的名字叫栗子
回答者:"聽, 看"到問題,通過大腦進(jìn)行問題的"理解"
回答者獲得答案后:"說,寫"問題答案給提問者
這里的聽就是語音識別,理解就是語言理解
目前的人工智能做了什么?
語音識別:小米的小愛同學(xué),蘋果的siri,微軟的Cortana
語音合成:小米的小愛同學(xué),蘋果的siri,微軟的Cortana
圖像識別:交通攝像頭拍違章,刷臉解鎖手機等
視頻識別:抖音內(nèi)容審核,視頻社交APP的審核機制
文字識別:從身份證照片提取身份證號碼,掃一掃翻譯
語義理解:智能問答機器人,也包含小米的小愛同學(xué),蘋果的siri,微軟的Cortana
我們身邊的人工智能
銀行辦卡刷臉就行
車輛違章有牌就跑不了
違法犯罪路過天眼等于自投羅網(wǎng)
“小愛同學(xué)”,”哎~”,”打開電視”,”好的!”
“歡迎使用10010智能語音系統(tǒng)”,”我還有多少話費”,”您的話費余額為0.01元”
掃一掃翻譯看不懂的文字(支持26國語言)
二.百度AI
此篇是人工智能應(yīng)用的重點,只用現(xiàn)成的技術(shù)不做底層算法,也是讓初級程序員快速進(jìn)入人工智能行業(yè)的捷徑
目前市面上主流的AI技術(shù)提供公司有很多,比如百度,阿里,騰訊,主做語音的科大訊飛,做只能問答的圖靈機器人等等
這些公司投入了很大一部分財力物力人力將底層封裝,提供應(yīng)用接口給我們,尤其是百度,完全免費的接口
既然百度這么仗義,咱們就不要浪費掉怎么好的資源,從百度AI入手,開啟人工智能之旅
開啟人工智能技術(shù)的大門 :http://ai.baidu.com/
看看我大百度的AI大法,這些技術(shù)全部都是封裝好的接口,看著就爽
接下來咱們就一步一步的操作一下
注冊百度賬號
首先進(jìn)入控制臺,注冊一個百度的賬號(百度賬號通用)
開通一下我們百度AI開放平臺的授權(quán)
然后找到已開通服務(wù)中的百度語音
走到這里,想必已經(jīng)知道咱們要從語音入手了,語音識別和語音合成
創(chuàng)建語音引用
打開百度語音,進(jìn)入語音應(yīng)用管理界面,創(chuàng)建一個新的應(yīng)用
創(chuàng)建語音應(yīng)用App
應(yīng)用名稱：可以隨意寫
應(yīng)用類型：這里隨便選擇，暫時選擇學(xué)習(xí)辦公
接口選擇：默認(rèn)勾選了語音識別和語音合成。在自然語言處理中，全部選擇。下面會用到！
語言包名：選擇不需要，因為接下來是用純python操作！
應(yīng)用描述：寫上一些描述，或者感人的話，都行！
回到應(yīng)用列表我們可以看到已創(chuàng)建的應(yīng)用了
這里面有三個值 AppID , API Key , Secret Key 記住可以從這里面看到 , 在之后的學(xué)習(xí)中我們會用到
好了 百度語音的應(yīng)用已經(jīng)創(chuàng)建完成了 接下來 我會用Python 代碼作為實例進(jìn)行應(yīng)用及講解
語音合成
安裝SDK
首先咱們要 pip install baidu-aip 安裝一個百度人工智能開放平臺的Python SDK實在是太方便了,這也是為什么我們選擇百度人工智能的最大原因
點擊左側(cè)的技術(shù)文檔
點擊左邊的語言合成->SDK文檔->Python SDK
請嚴(yán)格按照文檔里描述的參數(shù)進(jìn)行開發(fā)。請注意以下幾個問題：
合成文本長度必須小于1024字節(jié)，如果本文長度較長，可以采用多次請求的方式。切忌文本長度超過限制。
語音合成 rest api不限制調(diào)用量，但是初始的QPS為100，如果默認(rèn)配額不能滿足您的業(yè)務(wù)需求，請從控制臺中申請?zhí)岣吲漕~，我們會在兩個工作日內(nèi)完成審批
必填字段中，嚴(yán)格按照文檔描述中內(nèi)容填寫。
語音合成 Python SDK目錄結(jié)構(gòu)
├── README.md ├── aip //SDK目錄 │ ├── __init__.py //導(dǎo)出類 │ ├── base.py //aip基類 │ ├── http.py //http請求 │ └── speech.py //語音合成 └── setup.py //setuptools安裝
支持Python版本：2.7.+ ,3.+
安裝使用Python SDK有如下方式：
如果已安裝pip，執(zhí)行pip install baidu-aip即可。
如果已安裝setuptools，執(zhí)行python setup.py install即可。
打開windows的cmd窗口，輸入命令pip3 install baidu-aip
我已經(jīng)安裝好了，效果如下:
新建AipSpeech
AipSpeech是語音合成的Python SDK客戶端，為使用語音合成的開發(fā)人員提供了一系列的交互方法。
參考如下代碼新建一個AipSpeech：
from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '你的 App ID' API_KEY = '你的 Api Key' SECRET_KEY = '你的 Secret Key' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
在上面代碼中，常量APP_ID在百度云控制臺中創(chuàng)建，常量API_KEY與SECRET_KEY是在創(chuàng)建完畢應(yīng)用后，系統(tǒng)分配給用戶的，均為字符串，用于標(biāo)識用戶，為訪問做簽名驗證，可在AI服務(wù)控制臺中的應(yīng)用列表中查看。
打開Pycharm，新建一個目錄ai
創(chuàng)建文件baidu_ai.py
代碼如下:
import time from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '11212345' API_KEY = 'pVxdhsXS1BIaiwYYNT712345' SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
將前面提到的AppID，API Key，Secret Key，復(fù)制到對應(yīng)位置。
上面的id和KEY，后5位我改了，復(fù)制我的也沒有用！呵呵！
請求說明
合成文本長度必須小于1024字節(jié)，如果本文長度較長，可以采用多次請求的方式。文本長度不可超過限制
舉例，要把一段文字合成為語音文件：
result = client.synthesis('你好百度', 'zh', 1, {
'vol': 5,
})
# 識別正確返回語音二進(jìn)制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)
修改 baidu_ai.py
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis('你好百度', 'zh', 1, {
'vol': 5,
})
# 識別正確返回語音二進(jìn)制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)
執(zhí)行代碼，會看到當(dāng)前目錄出現(xiàn)了一個auido.mp3文件，打開播放器，聽一下聲音。
我用QQ影音，打開正常
技術(shù)上,代碼上任何的疑惑,都可以從官方文檔中得到答案
baidu-aip Python SDK 語音合成技術(shù)文檔 :https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top
剛才我們做了一個語音合成的例子,就用這個例子來展開說明
先來看第一段代碼
from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '11212345' API_KEY = 'pVxdhsXS1BIaiwYYNT712345' SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
這是與百度進(jìn)行一次加密校驗 , 認(rèn)證你是合法用戶 合法的應(yīng)用
AipSpeech 是百度語音的客戶端 認(rèn)證成功之后,客戶端將被開啟,這里的client 就是已經(jīng)開啟的百度語音的客戶端了
再來看第二段代碼:
result = client.synthesis('你好百度', 'zh', 1, {
'vol': 5,
})
# 如果上面的三個參數(shù)APP_ID,API_KEY,SECRET_KEY填寫正確的話,res就是咱們的音頻文件流
# 如果返回失敗的話，就會報錯!
print(result)
# 識別正確返回語音二進(jìn)制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)
返回樣例：
// 成功返回二進(jìn)制文件流
// 失敗返回
{
"err_no":500,
"err_msg":"notsupport.",
"sn":"abcdefgh",
"idx":1
}
用百度語音客戶端中的synthesis方法,并提供相關(guān)參數(shù)
成功可以得到音頻文件,失敗則返回一段錯誤信息
重點看一下 synthesis 這個方法 , 從https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top來獲得答案吧
從參數(shù)入手分析:
result = client.synthesis(
'你好百度', # text: 合成的文本,使用UTF-8編碼,請注意文本長度必須小于1024字節(jié)
'zh', # lang: 語言，中文:zh 英文:en
1, # ctp: 客戶端信息這里就寫1，寫別的不好使，至于為什么咱們以后再解釋
{
'vol': 5, # 合成音頻文件的準(zhǔn)音量
'spd':4, # 語速 取值0-9，默認(rèn)為5 中語速
'pit':8, # 語調(diào)音調(diào),取值0-9,默認(rèn)為5 中語調(diào)
'per':4, # 發(fā)音人選擇,0為女生，1為男生，3為情感合成-度逍遙，4為情感合成-度丫丫，默認(rèn)為普通女
}
)
按照這些參數(shù),從新發(fā)起一個語音合成
with open('auido.mp3', 'wb') as f:
f.write(result)
語音識別
點擊左邊的百度語言->語音識別->Python SDK
建議使用pcm，因為它比較好實現(xiàn)。而另外2種語言格式，有非常高的要求，只有專業(yè)級別的設(shè)備才能錄制。它才能達(dá)到百度的要求。
哎,每次到這里,我都默默無語淚兩行,聲音這個東西格式太多樣化了,如果要想讓百度的SDK識別咱們的音頻文件,就要想辦法轉(zhuǎn)變成百度SDK可以識別的格式PCM
FFmpeg
目前已知可以實現(xiàn)自動化轉(zhuǎn)換格式并且屢試不爽的工具 : FFmpeg 這個工具的下載地址是 :鏈接：https://pan.baidu.com/s/1jonSAa_TG2XuaJEy3iTmHg密碼：w6hk
或者官網(wǎng)下載
http://ffmpeg.org/download.html
點擊windows圖標(biāo)，點擊Builds
我的電腦是64位系統(tǒng)，選擇64位，一定要選擇Shared，最后點擊下載。
FFmpeg 環(huán)境變量配置:
首先你要解壓縮,然后找到bin目錄,我的目錄是 C:ffmpegin
然后 以 windows 10 為例,配置環(huán)境變量
添加環(huán)境變量
如果沒搞明白的話,我也沒有辦法了,這么清晰這么明白
嘗試一下,是否配置成功
看到這個界面就算配置成功了,配置成功有什么用呢, 這個工具可以將wav wma mp3 等音頻文件轉(zhuǎn)換為 pcm 無壓縮音頻文件
這個時候，一定要關(guān)閉Pycharm，否則Pycharm識別不到。
再次開啟Pycharm
做一個測試,首先要打開windows的錄音機,錄制一段音頻(說普通話)
現(xiàn)在假設(shè)錄制的音頻文件的名字為 audio.wav 放置在 D:DragonFireAudio
然后我們用命令行對這個 audio.wav 進(jìn)行pcm格式的轉(zhuǎn)換然后得到 audio.pcm
命令是 :
ffmpeg -y -i audio.wav -acodec pcm_s16le -f s16le -ac 1 -ar 16000 audio.pcm
然后打開目錄就可以看到pcm文件了
注意事項
如果需要使用實時識別、長語音、喚醒詞、語義解析等其它語音功能，請使用Android或者iOS SDK 或 Linux C++ SDK 等。
請嚴(yán)格按照文檔里描述的參數(shù)進(jìn)行開發(fā)，特別請關(guān)注原始錄音參數(shù)以及語音壓縮格式的建議，否則會影響識別率，進(jìn)而影響到產(chǎn)品的用戶體驗。
目前系統(tǒng)支持的語音時長上限為60s，請不要超過這個長度，否則會返回錯誤。
pcm文件已經(jīng)得到了,趕緊進(jìn)入正題吧
請求說明
舉例，要對段保存有一段語音的語音文件進(jìn)行識別：
# 讀取文件
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
# 識別本地文件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, {
'dev_pid': 1536,
})
看參數(shù)，主要用到的是rate和1536
上圖的16000表示采樣率
1536表示能識別中文和英文，它的容錯率比較高
1537必須是標(biāo)準(zhǔn)的普通話，帶點地方口音是不行的。
所以建議使用1536
打開win10自帶的錄音機，錄制一段聲音，比如：你叫什么呀
一定要帶一個呀字，下面的代碼執(zhí)行會輸出10個結(jié)果，否則只有一個！
注意：筆記本的麥克風(fēng)在攝像頭的2邊，所以錄制的時候，一定要對著攝像頭！
默認(rèn)為m4a格式的，重命名為whatyouname.m4a，將文件放入ai目錄
修改baidu_ai.py，內(nèi)容如下：
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 讀取文件
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
# 識別本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
print(a)
注意上面的id和key。文件名為whatyouname.wav
執(zhí)行文件，輸出：
{'sn': '7436726851526824321', 'err_no': 3301, 'err_msg': 'speech quality error.'}
返回錯誤'err_no': 3301
看文檔
找下面對應(yīng)的3301，表示聲音不清晰!
再仔細(xì)用播放器，播放一下剛才的聲音，挺清晰的呀！
這里報3301不是因為聲音不清晰，而是格式不支持。
使用os模塊調(diào)用ffmpeg實現(xiàn)轉(zhuǎn)碼
代碼如下：
import os
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 讀取文件
def get_file_content(filePath):
cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
os.system(cmd_str) # 調(diào)用系統(tǒng)命令ffmpeg,傳入音頻文件名即可
with open(filePath + ".pcm", 'rb') as fp:
return fp.read()
# 識別本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
print(a)
執(zhí)行輸出，效果如下：
上面紅色文件，不是報錯，而是轉(zhuǎn)碼過程
主要看err_msg是什么，這里顯示success，表示成功。
在ai目錄下，會多出一個文件whatyouname.m4a.pcm。這個文件才是剛才真正發(fā)給百度的語言文件
返回的結(jié)果是一個字典，第一個結(jié)果，一般是最正確的。取第一個，就可以了!
接下來，就需要從字典取值。字典取值，不要用以下這種方法：
print(a['result'])
為什么呢？如果key不存在，會直接報錯!畢竟報錯，是要崩潰的...
所以建議使用get方法，將最后一行的print(a)，修改為以下內(nèi)容：
import os
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 讀取文件
def get_file_content(filePath):
cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
os.system(cmd_str) # 調(diào)用系統(tǒng)命令ffmpeg,傳入音頻文件名即可
with open(filePath + ".pcm", 'rb') as fp:
return fp.read()
# 識別本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
if a.get('result'):
print(a.get('result')[0])
執(zhí)行輸出：
從結(jié)果上來看就只有一個了。
low版問答系統(tǒng)
whatyouname.m4a，是已經(jīng)錄制好的音頻
import os
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 讀取音頻文件函數(shù)
def get_file_content(filePath):
cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
os.system(cmd_str) # 調(diào)用系統(tǒng)命令ffmpeg,傳入音頻文件名即可
with open(filePath + ".pcm", 'rb') as fp:
return fp.read()
# 識別本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
# if a.get('result'):
# print(a.get('result')[0])
q = a.get('result')[0] # 識別音頻文件的內(nèi)容
a = "我不知道你在說什么"
if q == "你叫什么名字":
a = "我叫小青龍"
# 配置音頻流，a就是指定的文本
result = client.synthesis(a, 'zh', 1, {
'spd': 4, 'vol': 5, 'pit': 8, 'per': 4
})
# 寫入文件
if not isinstance(result, dict):
with open('audio.mp3', 'wb') as f:
f.write(result)
os.system("audio.mp3")
View Code
os.system("audio.mp3") ，它會自動調(diào)用windows的默認(rèn)音頻軟件，并打開文件audio.mp3
執(zhí)行程序，會自動彈出音樂播放器，內(nèi)容是： 我叫小青龍
如果需要定義別的問題，需要重新錄制，并在py文件中定制問題。很low是吧，后續(xù)會講web版的問答系統(tǒng)！
短文本相似度
短文本相似度接口用來判斷兩個文本的相似度得分。
文檔鏈接：
https://ai.baidu.com/docs
text1 = "浙富股份"
text2 = "萬事通自考網(wǎng)"
""" 調(diào)用短文本相似度 """
client.simnet(text1, text2);
""" 如果有可選參數(shù) """
options = {}
options["model"] = "CNN"
""" 帶參數(shù)調(diào)用短文本相似度 """
client.simnet(text1, text2, options)
View Code
查看參數(shù)
短文本相似度返回示例
{
"log_id": 12345,
"texts":{
"text_1":"浙富股份",
"text_2":"萬事通自考網(wǎng)"
},
"score":0.3300237655639648 //相似度結(jié)果
},
View Code
舉例：
新建一個文件baidu_nlp.py
from aip import AipNlp
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
nlp_client = AipNlp(APP_ID,API_KEY,SECRET_KEY)
""" 調(diào)用短文本相似度 """
res = nlp_client.simnet("你叫什么名字","你的名字叫什么")
print(res)
# 如果相似度達(dá)到70%
if res.get("score") > 0.7:
print("我叫青龍")
View Code
執(zhí)行輸出：
{'log_id': 4522060321660798564, 'texts': {'text_2': '你的名字叫什么', 'text_1': '你叫什么名字'}, 'score': 0.864488}
我叫青龍
這里的score是相似度，這里表示86.4%。如果是1，表示100%
那么就可以使用短文本相似度，來回答問題了
修改baidu_ai.py，導(dǎo)入AipNlp，修改問題部分，代碼如下：
import os
from aip import AipSpeech
from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '11212345'
API_KEY = 'pVxdhsXS1BIaiwYYNT712345'
SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
nlp_client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
# 讀取音頻文件函數(shù)
def get_file_content(filePath):
cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)
os.system(cmd_str) # 調(diào)用系統(tǒng)命令ffmpeg,傳入音頻文件名即可
with open(filePath + ".pcm", 'rb') as fp:
return fp.read()
# 識別本地文件
a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {
'dev_pid': 1536,
})
# if a.get('result'):
# print(a.get('result')[0])
q = a.get('result')[0] # 識別音頻文件的內(nèi)容
a = "我不知道你在說什么"
# 當(dāng)相似度達(dá)到70%時
if nlp_client.simnet(q, "你的名字叫什么").get("score") >= 0.7:
a = "我叫小青龍"
# 配置音頻流，a就是指定的文本
result = client.synthesis(a, 'zh', 1, {
'spd': 4, 'vol': 5, 'pit': 8, 'per': 4
})
# 寫入文件
if not isinstance(result, dict):
with open('audio.mp3', 'wb') as f:
f.write(result)
os.system("audio.mp3")
View Code
執(zhí)行程序，會自動打開音頻文件，說出： 我叫小青龍
參考文檔:https://www.cnblogs.com/DragonFire/p/9208195.html
總結(jié)
以上是生活随笔為你收集整理的人工智能初识,百度AI的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： C# 【Http请求返回】性能优化500
- 下一篇： ATPG原理及实现——11.Diagno