几行代码搞定识别图片中的文字信息，同时转换成语音

前几天想把一篇不错的文章保存下来，无奈是图片的，于是想利用 python 把图片中的文字识别出来

实现的方式还是挺多的，这里介绍下百度的AI开放平台，毕竟大公司，感觉识别的精度会高点，同时相信他们的算法也会不断优化，我等小菜鸟只要会用就可以啦。

一些准备

使用百度的AI开放平台，首先你得有个百度的开发者账号，相信你有百度云的话应该都会有，没有的话简单注册一下就可以了。

然后进入控制台选择 人工只能 - 文字识别 去创建个应用，这样就会生成对应的AppID，API Key和Secret Key，调用百度API的时候需要用到。

可以看到，作为开发者你每天有一定的免费调用次数，但如果不满足需求，可能就需要付费啦。

正式编码

下面简单介绍下编码过程，具体可以参考 百度的官方文档

百度不但提供API，还贴心的准备了热门语言的SDK，包括 java , pyhton , c# 等等，其实本质还是调用API。

这里以python为例，首先安装python的SDK：

pip install baidu-aip

看了下文档的demo，其实还是比较简单的，几行代码就搞定了，文章最后贴自己的源码吧。

在浏览文档的时候发现，百度还提供了一些列的识别，包括身份证，银行卡，营业执照等固定的模板，同时还可以识别表格和自定义模板文字识别，在实际业务场景中还是挺有用处的。

此外还有一些其他AI相关的技术，有兴趣的小伙伴可以自行看下。

最后贴一下自己写的一个小demo，识别图片中的文字后，又通过语音合成转成了mp3的音频：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-


__author__ = 'Cavin Cao'

'''
	功能：利用百度官方api，读取图片中的文字，同时将文字转换成语音
    官方地址：http://ai.baidu.com/docs#/OCR-Python-SDK/top
'''

import config
from aip import AipOcr,AipSpeech


""" 你的 APPID AK SK """
APP_ID = config.baidu_app_id
API_KEY = config.baidu_api_key
SECRET_KEY = config.baidu_secret_key

clientAipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)
clientAipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

#测试图片
picture_url="http://image.bug2048.com/mongo20180906.jpg"


""" 读取图片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

"""
    1.调用文字识别API识别图片上的文字
    2.拼接文字后调用语音合成API转换成语音
"""

def convert_picture_words():
    words=''
    wordsResult=clientAipOcr.basicGeneralUrl(picture_url)
    for item in wordsResult['words_result']:
        words+=item['words']+','
    if words=='':
        return
    words=words[:-1]
    print(words)
    speechResult=clientAipSpeech.synthesis(words, 'zh', 1, {
        'vol': 5,
        '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(speechResult, dict):
        with open('result.mp3', 'wb') as f:
            f.write(speechResult)


if __name__ == '__main__':
    convert_picture_words()

总结

几行代码搞定的快感依旧屡试不爽。

Ps. 项目地址： https://github.com/CavinCao/python_libraries_demo