Python編程實現百度AI應用二例

牟曉東

借助于百度AI智能云平臺所提供的豐富功能，我們可以在本地非常方便地通過Python代碼編程與其“對接”進行人臉與人體識別、音頻與視頻識別等各種強大而有趣的應用，操作方法步驟均大同小異，在此以植物識別和TTS語音合成為例：

登錄百度智能云平臺（https：//ai.baidu.com/），找到其中的“植物識別”項（https：//ai.baidu.com/tech/imagerecognition/plant），據稱能夠識別“超過2萬種常見植物和近8000種花卉”，并且能夠返回所識別植物的名稱以及對應的百科信息。按照頁面上的操作指引，在“創建應用”中進行“創建新應用”，填寫對應的名稱（如“識別植物”）及接口選擇（注意必須要選中“圖像識別”中的“植物識別”項），最終就會生成一個包括AppID、API Key和Secret Key等信息的新應用，將這些信息全部復制保存至本地（如圖1）。

首先，導入調用攝像頭的OpenCV庫和調用百度AI的aip庫：“import cv2”、“from aip import AipImageClassify”，注意要提前使用“pip install baidu-aip”命令安裝好aip庫;接著，編寫控制攝像頭拍攝植物并生成JPG圖片文件的代碼：新建變量camera，通過調用OpenCV庫為其賦值為“cv2.VideoCapture（0）”，完成將攝像頭所拍攝到的畫面保存至變量camera中的功能;再新建一個“while True”循環結構，通過“ret，img = camera.read（）”語句實現“讀取camera中保存的一幀畫面并賦值給變量img”的功能，其中的ret返回的數據是一個布爾值——為真時才進行文件保存的操作;語句“cv2.imshow（‘Capture plants：’，img）”的功能是開啟一個新窗口，標題為“Capture plants：”，顯示的內容是剛剛變量img所保存的一幀攝像頭捕獲畫面;為了防止程序運行過快，加入延時等待語句“key = cv2.waitKey（10）”，即每次循環時均等待10毫秒，相當于給攝像頭充分的時間進行畫面的拍攝等操作;接著，建立一個if選擇分支結構，判斷條件為“if key == ord（‘s’）：”，即用戶此時是否已經按下s鍵，當條件為真時則執行以下三個語句：第一是將變量img中保存的畫面內容生成capture.jpg圖片文件：“cv2.imwrite（‘capture.jpg’，img）”;第二是關閉剛剛開啟的攝像頭畫面窗口：“cv2.destroyAllWindows（）”;第三是使用break語句來跳出當前循環（如圖2）。

接下來，將上一步中在百度智能云中新建應用時獲得的ID和Key三處關鍵信息導入，通過新建三個變量并進行賦值來實現：“APP_ID = ‘26634939’”、“API_KEY = ‘YqBXBlfEEnRPYKA2eWm54A3F’”和“Secret_KEY = ‘ilCPcW16DbSNXe1GQ9Mhj043

pzxQZcT7’”;然后，通過百度API接口將三個變量作為參數進行實例化：“client = AipImageClassify（APP_ID，API_KEY，Secret_KEY）”;接著，定義一個讀取圖片的get_file（filePath）函數，通過變量image1將剛剛生成的capture.jpg圖片文件進行讀取，并且根據百度智能云的API接口封裝參數要求進行結果的提取，最終對result進行值的輪詢操作并構造print語句輸出識別后的信息（如圖3）。

將程序保存為Detect_plants.py，點擊“運行”按鈕進行測試，同時將一盆巴西木放置于攝像頭前;此時在屏幕上就會彈出一個名為“Capture plants：”的新窗口，其預覽內容即為攝像頭所拍攝的實時畫面。調整好植物盆栽的角度和顯示大小后，按下鍵盤上的s鍵（注意要保持輸入法為英文半角狀態）后，很快就有了顯示結果：“這種植物的名字叫作： 香龍血樹”、“對該植物的識別率是： 53.1 %”、“【簡介】 香龍血樹（學名：Dracaena fragrans）是天門冬科……”（如圖4）。

TTS即“Text To Speech”，意為“從文本到語音”，百度AI支持每次1024字節以內的文本合成為語音（若文本較長可采用多次請求的方式）。

同樣是先建立應用項目，從“語音合成”中選擇“短文本在線合成”項，將新應用名稱設置為“TTS從文本到語音”（或其他），注意查看其中是否已經包含了“短文本在線合成”等項，這樣就又會得到一組AppID、API Key和Secret Key信息，復制待用（如圖5）。

值得一提的是，如果程序代碼沒問題但最終在測試運行時一直提示類型錯誤的話，此時就要在百度AI平臺中進行免費資源的領取操作——選中“語音技術”—“語音合成”中的“短文本在線合成—基礎音庫”和“短文本在線合成—精品音庫”等項目后，再點擊底部的“0元領取”按鈕，此時會有“恭喜您，領取成功”的提示：“免費測試資源將在30分鐘內生效”（如圖6）。

同樣，首先從aip庫模塊中導入待用的AipSpeech：“from aip import AipSpeech”，再將ID和Key的信息通過三個賦值語句導入：“APP_ID = ‘26644936’”、“API_KEY = ‘C0QXnUQixE4l8VFj qrl2tvWk’”和“Secret_KEY = ‘eGA7VcZm0cZoKt EOYts5MFnakq4fvxQT’”;然后，仍然是新建變量client，通過語句“client = AipSpeech（APP_ID，API_KEY，Secret_KEY）”將參數傳入;接著，建立變量my_str，其值為待轉換的文本信息，比如“《電腦報》是中國發行量最大的計算機報……”;再建立變量result，按照規則進行賦值：“result = client.synthesis（my_str，‘zh’，1，{‘vol’：5，}）”，其中的參數比較豐富，可以設置語速、語調和音量，還可以設置發音人等等，大家可直接在百度AI平臺中語音技術的接口說明中進行查詢設置（https：//ai.baidu.com/ai-doc/SPEECH/Gk4nlz8tc）。

最后，仍是通過“with open”以二進制文件寫入的方式，將TTS生成的語音數據寫入my_TTS.mps文件。將程序保存為TextToSpeech.py，測試運行，很快就會在當前程序的保存文件夾中生成一個my_TTS.mps音頻文件，打開聽一下，內容即為程序代碼中變量my_str所存儲的文本內容（如圖7）。

百度AI平臺提供的其他智能應用調用方法基本類似，均可以像進行植物識別與TTS語音合成一樣來使用，可參考官方說明文檔進行Python程序的編寫。