Python语言如今已成为非常火的语言，尤其是在人工智能领域，但是它在嵌入式领域目前还应用较少。
本文将对HaaS平台的Python轻应用快速实现语音自动识别的例子，介绍HaaS平台的云端一体特点以及软硬件积木高效的特点。
本文将分为几个部分介绍语音自动识别的全过程：
实现效果
实现原理
未来展望
2、语音自动识别案例效果
案例拓扑结构
本案例的硬件示意图如下所示。
软件原理如下图所示。
案例过程
案例实验过程主要分为4个步骤：
1、搭建硬件平台
2、编写python代码
- from audio import Player, Snd, Recorder
- import sdcard
- import http
- Snd.install_codec_driver()
- Snd.init()
- r0 = Recorder()
- r0.create()
- format = 1
- read_samples = 640
- channels = 1
- rate = 16000
- bits = 16
- r0.set_sink(format, rate, channels, bits, read_samples, 0, None)
- read_size = int(read_samples * channels * bits / 8)
- readBuf = bytearray(read_size)
- sdcard.open('/data/mic1.pcm', 'w')
- index = 0
- audio_length = 122880
- url = 'http://nls-gateway.cn-shanghai.aliyuncs.com/stream/v1/asr?appkey=yourtestappkeyXL8OZEpmRC&format=pcm&sample_rate=16000&enable_punctuation_prediction=true&enable_inverse_text_normalization=true'
- header = "X-NLS-Token: yourtesttokencb3572fc55b1a423b38\r\nContent-type: application/octet-stream\r\n"
- #注意需要修改token和appkey
- r0.start()
- while index < 101:
- if (index == 100):
- r0.stop()
- r0.release()
- sdcard.close()
- data = bytearray(audio_length)
- sdcard.open('/data/mic1.pcm','r')
- sdcard.read(data,audio_length)
- client=http.client()
- client.set_data(data,audio_length)
- client.set_header(header)
- client.post(url)
- response = client.get_response()
- else:
- rsize = r0.get_stream(readBuf, read_size)
- sdcard.write(readBuf, rsize)
- index += 1
4、查看语音结果识别
/2 
