python3.5 语音识别 百度语音API
本项目使用 python3.5，包管理使用 pip3.5，用 pyaudio 录音， numpy 计算， scipy 滤波， pylab 绘制波形与频谱。
推介在与项目根目录同级目录内通过 virtualenv 建立 python 虚拟环境：
virtualenv --no-site-packages venv
第一次会自动安装一些虚拟环境文件，安装完后再激活虚拟环境，
Windows 环境下使用：
venv\Scripts\activateLinux 环境下使用：
source venv/bin/activatecd 回到项目根目录中，项目依赖都写在 requirements.txt 中，
在我的 Win 10 环境中 numpy 1.11.1+mkl 和 scipy 0.18.1 两个包都不能通过 pip 安装成功，
因此我去加利福尼亚大学镜像源下载了
numpy
scipy
这两个包的 win 下支持的 .whl 文件并先通过 pip 安装：
pip install numpy-1.11.1+mkl-cp35-cp35m-win_amd64.whl
pip install scipy-0.18.1-cp35-cp35m-win_amd64.whl然后再用 pip 安装 requirements.txt 的依赖：
pip install -r requirements.txt全部通过安装后才算是建立好项目环境了
由于项目使用 Travis-CI 的系统是 ubuntu 14.04 trusty，
因此 ubuntu 下的安装依赖可以参考 .travis.yml 中使用 travis_env_init.sh 进行安装，
在上面 virtualenv 环境中，项目根目录下，使用以下命令执行安装：
sudo source travis_env_init.sh或者
sudo ./travis_env_init.sh预安装完成后，再 pip install -r requirements.txt 安装剩下的依赖。
安装脚本本来是针对 Travis 的环境，并非写的兼容的，
如有其他包安装失败，请手动排查。
本项目使用 百度语音识别 API，
所以请先去 百度语音开放平台 建立工程，申请 API key、 Secret key，
具体申请过程可参见 玩转百度语音识别，就是这么简单 这篇文章。
./BaiduSpeech 目录下的 BaiduOAuthSample.ini 是配置示例文件，先复制 BaiduOAuthSample.ini 为 BaiduOAuth.ini，
再按照文件示例中对应位置填写自己的 api_key secret_key，键值间等号左右各空一格，值项无需引号，
若已有 token 可填写 access_token 项。
根目录中的 SpeechRecognise.py 为语音识别启动文件
python3.5 SpeechRecognise.py启动后对准话筒说话，控制台将输出识别结果。(距离话筒的远近与话筒灵敏度相关)
根目录中的 SpeechRecognise.py 为语音识别启动文件，
WaveOperate 包中封装了一些对声卡的常用操作，如：
录音、播放、保存文件、读取文件、绘制声波、绘制频谱、声音滤波 等操作。
BaiduSpeech 包中为对 Baidu API 调用的封装，其中 BaiduOAuth.ini 为百度 API key 配置文件。
UnitTest 包中为各模块的单元测试文件，
在项目根目录下执行命令 python3.5 -m nose -vs --with-coverage 将自动执行单元测试并输出结果和覆盖率。
本项目语音识别的思路是：
- 麦克风阵列录音产生音频流
- 语音增强
2.1 音频流实时带通滤波，除去低音和高音
2.2 通过过零率 ZSR 和短时能量 Ep 进行 VAD 语音端点检测
2.3 切分判断有人声说话的音频部分 - 去混响(回声)
3.1 双麦技术
3.2 NLMS 自适应滤波 - 背景噪音消除
4.1 双麦背景消除 - 波束形成
5.1 声源信号分离 - 语音提取
6.1 声纹识别 - 语音识别
7.1 百度语音 API
7.2 Google 语音 API
7.3 讯飞语音 API - 语义分析
8.1 Hanlp 句法词法依存分析
8.2 Boson 句法词法依存分析 - 参数化指令
9.1 Cortana XML 指令解析
当然，以上并没有完全实现。。。
实现的项目：
- pyaudio录音
- 音频流实时带通滤波
- 短时能量 Ep 判断
- 切分判断有人声说话的音频部分
- 语音识别-百度语音 API
- Hanlp 依存分析
- Boson 依存分析