def testModel():
import difflib
import tensorflow as tf
import numpy as np
yysb = utils.SpeechRecognition()
# 1. 准备测试所需数据， 不必和训练数据一致，通过设置data_args.data_type测试，
data_args = utils.data_hparams()
data_args.data_type = 'test'
data_args.shuffle = True
data_args.batch_size = 1
test = utils.get_data(data_args)
# 2. 进行测试-------------------------------------------
word_num = 0
word_error_num = 0
for i in range(100):
print('\n 第 ', i, ' 个例子')
label = test.han_lst[i]
pinyin, hanzi = yysb.predict(os.path.join(test.data_path,
test.wav_lst[i]),
test.pny_lst[i],
label,
come_from_file=True)
#hanzi = yysb.testPinyin(' '.join(test.pny_lst[i]))#单独测试语言模型用
word_error_num += min(len(label), utils.GetEditDistance(label, hanzi))
word_num += len(label)
print('词错误率：', word_error_num / word_num)
def __init__(self,
path=None,
serviceAddress='http://127.0.0.1:20000/',
fun_use=False):
self.httpService = serviceAddress
#音频波形动态显示，实时显示波形，实时进行离散傅里叶变换分析频域
if path is not None and os.path.isfile(path):
self.stream = wave.open(path)
self.rate = self.stream.getparams()[2]
self.chunk = int(self.rate / 1000 * 25)
self.read = self.stream.readframes
else:
self.rate = 16000
self.chunk = 400 #25*16000/1000针对语音识别25ms为一块这里相同设置
p = pyaudio.PyAudio()
self.stream = p.open(format=pyaudio.paInt16,
channels=1,
rate=self.rate,
input=True,
frames_per_buffer=self.chunk)
self.read = self.stream.read
self.yysb = utils.SpeechRecognition(test_flag=False)
'''
self.data说明：
按时调用时：
用来记录一整段话的数据，当听到明显声音开始填充，每次都把整个的内容送给语音识别，以期达到效果为：
你
你好
你好啊
当一个指定时间内没有明显声音时则清空
自动判断启停时：
从判断开始的数据开始记录，直到判断停止说话准备清空数据前调用一次API，效果：
你好啊
'''
#self.data=np.ndarray(shape=(0), dtype=np.int16)
self.data = []
self.resHan = [] #语音识别结果，类型待定
fig = plt.figure(num='Real-time wave')
ax1 = fig.add_subplot(2, 1, 1) #两行一列，第一子图
ax2 = fig.add_subplot(2, 1, 2) #两行一列，第二子图
self.t = np.linspace(0, self.chunk - 1, self.chunk)
#ax1.set_xlabel('t')
#ax1.set_ylabel('x')
self.line1, = ax1.plot([], [], lw=2)
ax1.set_xlim(0, self.chunk)
ax1.set_ylim(-6000, 6000)
self.line2, = ax2.plot([], [], lw=2)
ax2.set_xlim(0, self.chunk)
ax2.set_ylim(-10, 50)
interval = int(1000 * self.chunk / self.rate) #更新间隔/ms
if not fun_use:
animation.TimedAnimation.__init__(self,
fig,
interval=interval,
blit=True)
'''
#查看服务状态
#curl http://localhost:8501/v1/models/lm
#查看模型输入输出
#saved_model_cli show --dir /media/yangjinming/DATA/GitHub/AboutPython/AboutDL/语音识别/logs_lm/190612/ --all
#关闭服务（把docker容器都杀了，请酌情修改）
#sudo docker ps | xargs sudo docker kill
#支持的API类型，如果token不在list中则认为无效
API_Surport_List = ['SR']
#是否使用tensorflow serving服务，如果使用这个对外暴露的仅作为中转站
ues_tf_serving = True
#tensorflow serving的url地址,基本上只修改IP即可
tf_serving_url = 'http://localhost:8501/v1/models/{}:predict'
if not ues_tf_serving:
yysb = utils.SpeechRecognition(test_flag=False)
class TestHTTPHandle(http.server.BaseHTTPRequestHandler):
def setup(self):
self.request.settimeout(10)
http.server.BaseHTTPRequestHandler.setup(self)
def _set_response(self):
self.send_response(200)
self.send_header('Content-type', 'text/html')
self.send_header('Access-Control-Allow-Origin', '*')
self.send_header("Access-Control-Allow-Headers", "Content-Type")
self.end_headers()
def do_GET(self):