以下是一个使用Flask开发并调用百度语音识别API的完整语音识别系统代码示例。该系统支持用户上传音频文件（如WAV、MP3），通过百度API进行语音识别，并返回识别结果。代码分为后端Python和前端HTML两部分，并逐行解释。

一、后端Python代码（app.py）

from flask import Flask, request, jsonify, render_template
import requests
import base64
import json

app = Flask(__name__)

# 百度语音识别API配置
API_KEY = "你的API密钥"
SECRET_KEY = "你的密钥"
ACCESS_TOKEN_URL = "https://openapi.baidu.com/oauth/2.0/token"
ASR_URL = "https://vop.baidu.com/server_api"

# 获取百度语音识别的访问令牌
def get_access_token():
    payload = {
        "grant_type": "client_credentials",
        "client_id": API_KEY,
        "client_secret": SECRET_KEY
    }
    response = requests.post(ACCESS_TOKEN_URL, data=payload)
    if response.status_code == 200:
        return response.json().get("access_token")
    else:
        raise Exception("获取令牌失败：" + response.text)

# 处理语音识别请求
@app.route('/recognize', methods=['POST'])
def recognize_speech():
    if 'audio' not in request.files:
        return jsonify({'error': '未上传音频文件'}), 400

    audio_file = request.files['audio']
    audio_data = audio_file.read()

    # 获取访问令牌
    access_token = get_access_token()

    # 准备语音识别参数
    headers = {
        "Content-Type": "application/json"
    }
    payload = {
        "format": audio_file.filename.split('.')[-1].lower(),
        "rate": 16000,  # 假设音频采样率为16kHz，需根据实际调整
        "channel": 1,  # 单声道
        "token": access_token,
        "cuid": "your_cuid",  # 可选参数，用于标识设备
        "speech": base64.b64encode(audio_data).decode('utf-8'),
        "len": len(audio_data)
    }

    # 发送识别请求
    response = requests.post(ASR_URL, headers=headers, data=json.dumps(payload))
    if response.status_code == 200:
        result = response.json()
        if result.get("err_no") == 0:
            return jsonify({'result': result.get("result")[0]})
        else:
            return jsonify({'error': result.get("err_msg")}), 400
    else:
        return jsonify({'error': 'API请求失败'}), 500

# 主页路由
@app.route('/')
def index():
    return render_template('index.html')

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=True)

二、前端HTML代码（templates/index.html）

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>语音识别系统</title>
</head>
<body>
    <h1>上传音频进行语音识别</h1>
    <form action="/recognize" method="post" enctype="multipart/form-data">
        <input type="file" name="audio" accept="audio/*" required>
        <button type="submit">提交识别</button>
    </form>
    <div id="result"></div>

    <script>
        // 处理表单提交
        const form = document.querySelector('form');
        form.addEventListener('submit', async (e) => {
            e.preventDefault();
            const formData = new FormData(form);
            const response = await fetch('/recognize', {
                method: 'POST',
                body: formData
            });
            if (response.ok) {
                const data = await response.json();
                document.getElementById('result').innerText = `识别结果：${data.result}`;
            } else {
                const error = await response.json();
                alert(`识别失败：${error.error}`);
            }
        });
    </script>
</body>
</html>

三、逐行代码解释

后端Python代码

  1. 导入模块：

    import requests
import base64
    • requests用于发送HTTP请求，base64用于音频数据编码。

  2. 配置百度API参数：

    API_KEY = "你的API密钥"

  3. 获取访问令牌：

    def get_access_token():
    response = requests.post(ACCESS_TOKEN_URL, data=payload)
    return response.json().get("access_token")
    • 通过OAuth2.0获取令牌，用于后续API调用。

  4. 处理语音识别请求：

    @app.route('/recognize', methods=['POST'])
def recognize_speech():
    audio_data = audio_file.read()
    access_token = get_access_token()
    • 读取上传的音频文件数据，获取访问令牌。

  5. 准备识别参数：

    payload = {
    "format": "wav",  # 根据实际文件格式调整
    "rate": 16000,  # 音频采样率
    "speech": base64.b64encode(audio_data).decode('utf-8')
}
    • 将音频数据编码为Base64字符串，发送给百度API。

  6. 发送识别请求：

    response = requests.post(ASR_URL, headers=headers, data=json.dumps(payload))
    • 发送POST请求到百度语音识别API，解析返回结果。

  7. 返回识别结果：

    return jsonify({'result': result.get("result")[0]})
    • 将识别结果以JSON格式返回给前端。
前端HTML代码

  1. 上传表单：

    <form action="/recognize" method="post" enctype="multipart/form-data">
    <input type="file" name="audio" accept="audio/*" required>
    • 提供文件上传功能，限制为音频文件。

  2. 处理表单提交：

    form.addEventListener('submit', async (e) => {
    const response = await fetch('/recognize', { body: formData });
    document.getElementById('result').innerText = `识别结果：${data.result}`;
    • 提交文件到后端，显示识别结果。

四、使用说明

  1. 配置API密钥：

    • 在百度智能云创建应用，获取API_KEY和SECRET_KEY，替换代码中的占位符。

  2. 运行环境：

    • 安装依赖：pip install flask requests
    • 启动服务：python app.py（访问http://127.0.0.1:5000）

  3. 上传音频：

    • 选择WAV/MP3文件（需与后端配置的采样率和声道一致），提交后显示识别结果。

五、注意事项

  • 音频格式要求：
    • 百度API支持PCM/WAV/AMR等格式，需确保采样率（如16kHz）和声道（单声道）正确。
  • 网络限制：
    • 百度API需通过公网访问，乌鲁木齐地区网络需确保可访问百度服务。
  • 错误处理：
    • 前端需处理识别失败情况，后端需捕获API异常（如令牌过期）。

该系统适用于需要集成语音识别功能的场景，例如语音命令处理、会议记录转写等。实际使用中需根据音频源调整参数（如采样率），并处理不同格式的兼容性。

# flask # 百度 # 语音识别 # python # 后端
Logo
火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

Chess用户界面设计：Tailwind CSS样式系统和组件库

GitHub推荐项目精选中的ch/chess是一个类似chess.com的多人在线象棋平台，它采用现代化的前端技术栈构建，尤其在用户界面设计上通过Tailwind CSS样式系统和组件库实现了优雅且功能丰富的交互体验。本文将深入探讨该项目如何利用Tailwind CSS打造一致的设计语言和高效的组件系统，为象棋爱好者提供沉浸式的游戏界面。## 🎨 Tailwind CSS样式系统：构建统一视

avatar 火山引擎 ADG 社区

终极指南：GPT-Engineer如何通过AI自动发现代码问题并提升质量

GPT-Engineer是一款强大的AI驱动代码工具，它能帮助开发者自动检测潜在代码问题、优化代码质量，让编程效率提升3倍以上。无论是新手还是资深开发者，都能通过这款工具轻松发现代码中的隐藏缺陷，减少调试时间，释放更多精力在创造性工作上。## 一键发现代码问题：GPT-Engineer的AI审查魔力GPT-Engineer的核心能力在于其内置的智能代码分析系统。通过集成Python代码格式

avatar 火山引擎 ADG 社区

SatDump中的纠错编码技术：从RS码到Turbo码的完整实现指南

在卫星数据传输过程中，信号往往会受到各种干扰，导致数据错误。SatDump作为一款通用卫星数据处理软件，集成了多种先进的纠错编码技术，确保从卫星接收到的数据能够准确解码。本文将深入解析SatDump中从Reed-Solomon（RS）码到Turbo码的实现细节，帮助读者理解这些技术如何保障卫星通信的可靠性。## 为什么纠错编码对卫星数据至关重要？卫星与地面站之间的通信链路面临着空间辐射、大

avatar 火山引擎 ADG 社区