python调用百度AI接口:识别图片上文字

1.百度AI官网https://ai.baidu.com创建应用
2.安装AI库pip install baidu-aip
3.调用AI接口client.basicGeneral(img)

20190512做了个界面,代码正在优化,需要的话留言。

第一步:进入百度AI官网

https://ai.baidu.com/

注册账号,创建应用:

第二步:安装百度AI库

pip install baidu-aip

前提是已经安装了python环境。

第三步:调用百度AI接口

from aip import AipOcr
#import configparser

#在这三个地方填入参数
api_id = ''
api_key = ''
secret_key = ''
client = AipOcr(api_id, api_key, secret_key)    #到这里都是固定用法
with open('logo.jpg', 'rb') as f:
    img = f.read()
text = client.basicGeneral(img)
#通用文字识别方式识别图片内容,一天50000次,像什么高精度版就是basicAccurate,具体参考下方aipocr模块文档
for each in text.get('words_result'):
    print(each.get('words'))        #返回的是个json,内容在这里面
天祺围棋

安装使用Python SDK有如下方式 

  • 如果已经安装了pip,执行 pip install baidu-aip 即可。
  • 如果已安装setuptools,执行 python setup.py install 即可。

实验1:语音合成(将文字转为语音)

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '写注册的APP_ID'
API_KEY = '写注册的API_KEY'
SECRET_KEY = '写注册的SECRET_KEY'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result  = client.synthesis('中南山下活死人墓预知后事如何请听下回分解', 'zh', 1, {
    'vol': 5,
    'spd': 3,
    'pit': 9,
    'per': 3,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

参数备注:

实验2:语音识别(语音转为文字)+语音合成

from aip import AipSpeech
import os


""" 你的 APPID AK SK """
APP_ID = '同上'
API_KEY = '同上'
SECRET_KEY = '同上'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

#语音识别(将音频转为文字)

# 读取文件
def get_file_content(filePath):

    #实现文件自动转换(只要修改下面的本地文件并传值就可以执行)
    any2pcm=f"ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm"
    os.system(any2pcm)

    with open(f"{filePath}.pcm", 'rb') as fp:
        return fp.read()

# 识别本地文件
res=client.asr(get_file_content('ea.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})

#拿到的是视频转换后的文字
print(res['result'][0])

#语音合成(再将文字转为音频)
result  = client.synthesis(res['result'][0], 'zh', 1, {
    'vol': 5,
    'spd': 3,
    'pit': 9,
    'per': 3,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

#调用系统默认播放器
os.system("auido.mp3")

注意点:

  1. 语音识别的格式只支持pcm,万能格式转换命令为:

    ffmpeg -y  -i audio.wav(原文件名)  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 audio.pcm(转换后的文件名字)

  2. os.system()是直接可以执行系统命令


接口调用准备

1.进入网站:
https://console.bce.baidu.com/?_=1535519624081&fromai=1#/aip/overview
2.选择产品服务里的文字识别,点击创建应用
3.选择文字识别,创建完成
4.创建后选择该应用,可以看到里面有AppIDAPI KeySecret Key三个参数,将三个参数放入下面实例对应的三个地方
5.参考实例,然后根据自己的需求来写程序
6.参考这里也行:http://ai.baidu.com/forum/topic/show/867951

aipocr模块参考

http://ai.baidu.com/docs#/OCR-Python-SDK/top

方法2:按照官方文档步骤访问接口

实例
(动物识别)
1.获取assess_token(有效期30天)

import requests

api_key = ''
secret_key = ''
url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + str(api_key) + '&client_secret=' + str(secret_key)

res = eval(requests.get(url).text)
assess_token = res['access_token']
print(assess_token)

2.调用接口

import requests
import base64

url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + str(api_key) + '&client_secret=' + str(secret_key)

res = requests.get(url).text
a = eval(res)
access_token = a['access_token']
#print(access_token)
animal = 'https://aip.baidubce.com/rest/2.0/image-classify/v1/animal?access_token=' + str(access_token)
header = {
    'Content-Type':'application/x-www-form-urlencoded'
}
data = {}
with open('animal.jpg', 'rb') as f:
    image = base64.b64encode(f.read())
    data["image"] = str(image, 'utf-8')

    res2 = requests.post(url=animal,data=data, headers=header).text
    for each in eval(res2)['result']:
        print(each['name'], '\t相似度:', each['score'])

返回结果:
狮子  相似度: 0.997508
白狮  相似度: 9.78454e-05
中国藏獒    相似度: 4.06185e-05
藏獒  相似度: 3.36377e-05
美洲狮     相似度: 3.19272e-05
狮虎兽     相似度: 2.50163e-05
语音识别示例参考
from aip import AipSpeech

APP_ID = ''
API_KEY = ''
SECRET_KEY = ''

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 识别本地文件
result = client.asr(get_file_content('a.wav'), 'wav', 16000, {
    'dev_pid': 1536,
})
print(result)

人脸搜索示例参考

注意需要建立人脸库,可以参考:https://baijiahao.baidu.com/s?id=1597732584611121837&wfr=spider&for=pc

import requests
import base64

api_key = ''
secret_key = ''
url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + str(api_key) + '&client_secret=' + str(secret_key)

res = eval(requests.get(url).text)
access_token = res['access_token']
face_search = 'https://aip.baidubce.com/rest/2.0/face/v3/search' + '?access_token=' + str(access_token)
header = {
    'Content-Type':'application/json'
}
data = {
    "image_type":"BASE64",
    "group_id_list":"group_1",  #这个要在人脸识别的应用里创建人脸库,并添加相应图片
    #这里弄了几个明星的照片
}
with open('3.jpg', 'rb') as f:
    image = base64.b64encode(f.read())
    data["image"] = str(image, 'utf-8')

res2 = eval(requests.post(url=face_search, data=data, headers=header).text)
#转成dict

print("识别结果:", res2["result"]["user_list"][0]["user_id"])
print("准确率:", res2["result"]["user_list"][0]["score"])

运行结果:
识别结果: gakki
准确率: 96.145095825195
官方文档参考

http://ai.baidu.com/docs#/Auth/top

api错误信息及url整理

http://aixiaoshuai.mydoc.io/?t=234527

作者:

喜欢围棋和编程。

 
发布于 分类 编程标签

发表评论

电子邮件地址不会被公开。