写在前面：标准版最长支持60秒语音文件，大于60秒的音频文件，需要进行切割后，然后依次提交即可。

切割音频工具：
开源VAD音频切分工具

https://ai.baidu.com/ai-doc/SPEECH/xk38lxq46

ffmpeg模块

以下所有的操作均是在windows系统，Python3下实现的；

百度短语音识别介绍：https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily

登录百度AI平台，建立创建应用：

URL=https://console.bce.baidu.com/ai/?fromai=1#/ai/speech/app/list

切记，接口选择：语音技术，建议全部勾选，一般默认是全部勾选的，按照页面的要求填写，即可

应用建立成功之后一定要记录以下几个参数的值，APP_ID，API_KEY，SECRET_KEY

在执行之前需要安装baidu-aip，在电脑中安装了pip的情况下，cmd命令执行：

pip install baidu-aip

如果没有安装在执行下面的python代码的时候，则会报错,报错信息如下

from aip import AipSpeech
ModuleNotFoundError: No module named 'aip'

此处使用的是HTTP方式请求进行转换，提交的文件则是.pcm后缀格式的文件；

MP4视频，需要进行提取mp3音频，可以使用ffmpeg模块，cmd执行下方的命令；

ffmpeg模块文件，建议要和执行的程序目录一致，可以通过cmd切换目录，然后在执行命令

ffmpeg -i aidemo.mp4 -f mp3 -vn aidemo.mp3

然后针对已经提取的MP3音频文件，再次进行pcm文件格式转换。

同样使用ffmpeg模块命令(cmd下执行即可)

ffmpeg -y  -i aidemo.mp3  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 aidemo.pcm

音频格式说明：

格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（压缩格式）。推荐pcm 采样率 ：16000、8000 固定值。 编码：16bit 位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr、m4a会有额外的转换耗时。

Python请求代码(一定要记得安装baidu-aip)

#需要安装模块：baidu-aip
from aip import AipSpeech
 
APP_ID = ''#请填写你的APP_ID 
API_KEY = ''#请填写你的API_KEY 
SECRET_KEY = ''#请填写你的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
#
data = client.asr(get_file_content('aidemo.pcm'), 'pcm', 16000, {
    'dev_pid': 1537,
})
print(data)

解释：

APP_ID = ”#请填写你的APP_ID 
API_KEY = ”#请填写你的API_KEY 
SECRET_KEY = ”#请填写你的SECRET_KEY 

aidemo.pcm为本地需要提交识别的音频文件；

16000位音频采样率。

dev_pid=1537为普通话

 执行结果

{'corpus_no': '7023147935492100607', 'err_msg': 'success.', 'err_no': 0, 'result': ['今天发天气可不是特别的好呀'], 'sn': '184915361951635204054'}

如果音频的普通话不标注，或者语速过快，可能会识别部分错误，在大部分情况下识别结果还是不错的。