内容简介: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。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。
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。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 智能语音机器人中的语音通话实践
- iOS 语音播报解决方案(实现支付宝语音收款功能)
- Microsoft Teams Voice语音落地系列-5 实战: Sonus语音网关配置
- Python入门 —— 语音识别
- 语音唤醒实现
- [译] 语音识别 2019 指南
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Web信息架构(第3版)
Peter Morville、Louis Rosenfeld / 陈建勋 / 电子工业出版社 / 2008年8月 / 85.00
本书涵盖了信息架构基本原理和实践应用的方方面面。全书共7个部分,包括信息架构概述、信息架构的基本原理、信息架构的开发流程和方法论、信息架构实践、信息架构与组织、两个案例研究,以及参考资料清单。 本书兼具较高的理论价值和实用价值,曾被Web设计领域多本书籍重点推荐,是信息架构领域公认的经典书,不论新手还是专家都能各取所需。本书可供Web设计与开发者、Web架构师、网站管理者及信息管理相关人员参......一起来看看 《Web信息架构(第3版)》 这本书的介绍吧!