本篇文章为大家展示了使用python如何开发翻译工具,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。

效果展示
先看看界面和结果哈:
可以选择多种语音,这里只写了四种常见的:

偶分别测试的中文、韩文、英文。看着还不错哦~

调用API接口的准备工作
首先,是需要在有道智云的个人页面上创建实例、创建应用、绑定应用和实例,获取调用接口用到的应用的id和密钥。具体个人注册的过程和应用创建过程详见文章分享一次批量文件翻译的开发过程

开发过程详细介绍
下面介绍具体的代码开发过程。
首先是根据实时语音识别文档来分析接口的输入输出。接口设计的目的是对连续音频流的实时识别,转换成文本信息并返对应文字流,因此通信采用websocket,调用过程分为认证、实时通信两阶段。
在认证阶段,需发送以下参数:
| 参数 | 类型 | 必填 | 说明 | 示例 |
|---|---|---|---|---|
| appKey | String | 是 | 已申请的应用ID | ID |
| salt | String | 是 | UUID | UUID |
| curtime | String | 是 | 时间戳(秒) | TimeStamp |
| sign | String | 是 | 加密数字签名。 | sha256 |
| signType | String | 是 | 数字签名类型 | v4 |
| langType | String | 是 | 语言选择,参考支持语言列表 | zh-CHS |
| format | String | 是 | 音频格式,支持wav | wav |
| channel | String | 是 | 声道,支持1(单声道) | 1 |
| version | String | 是 | api版本 | v1 |
| rate | String | 是 | 采样率 | 16000 |
签名
sign生成方法如下:
signType=v4;
sign=sha256(应用ID+salt+curtime+应用密钥)。
认证之后,就进入了实时通信阶段,发送音频流,获取识别结果,最后发送结束标志结束通信,这里需要注意的是,发送的音频最好是16bit位深的单声道、16k采样率的清晰的wav音频文件,这里我开发时最开始因为音频录制设备有问题,导致音频效果极差,接口一直返回错误码304(手动捂脸)。
Demo开发:
这个demo使用python3开发,包括maindow.py,audioandprocess.py,recobynetease.py三个文件。界面部分,使用python自带的tkinter库,来进行语言选择、录音开始、录音停止并识别的操作。audioandprocess.py实现了录音、音频处理的逻辑,最后通过recobynetease.py中的方法来调用实时语音识别API。
1.界面部分:
主要元素:
root=tk.Tk()
root.title("netease youdao translation test")
frm = tk.Frame(root)
frm.grid(padx='80', pady='80')
# label1=tk.Label(frm,text="选择待翻译文件:")
# label1.grid(row=0,column=0)
label=tk.Label(frm,text='选择语言类型:')
label.grid(row=0,column=0)
combox=ttk.Combobox(frm,textvariable=tk.StringVar(),width=38)
combox["value"]=lang_type_dict
combox.current(0)
combox.bind("<>",get_lang_type)
combox.grid(row=0,column=1)
btn_start_rec = tk.Button(frm, text='开始录音', command=start_rec)
btn_start_rec.grid(row=2, column=0)
lb_Status = tk.Label(frm, text='Ready', anchor='w', fg='green')
lb_Status.grid(row=2,column=1)
btn_sure=tk.Button(frm,text="结束并识别",command=get_result)
btn_sure.grid(row=3,column=0)
root.mainloop()