春节在家一直闲着，今天有人给我发了一个小程序，即包你说。小程序是一个绕口令，很显然对于我这种 "n l" 不分的人说，这种绕口令也太难说了。因此我就想通过 python 脚本来实现。
整个流程比较简单，主要是通过 adb 截取手机屏幕，获取口令的区域，然后通过百度的 OCR API 去识别口令获取文字，然后通过百度语音 API 去合成语音，通过 adb 模拟点击屏幕长按事件，最后通过电脑的 windows media player 播放 mp3 文件就可以了。
adb
adb 可以通过开发者选项进行收集的控制。可以通过安卓手机或模拟器操作步骤里面的介绍安装 adb。在这个脚本里面，我们主要会用到两个命令:
// 截图
adb shell screencap -p
// 模拟长按屏幕 500 1000 为坐标位置，2000为长按持续时间
adb shell input swipe 500 1000 500 1000 2000
百度 API
百度现在的确提供了很多 API，包括语音识别，语音合成以及 OCR 识别。可以在 http://yuyin.baidu.com/app 里面申请 API，通过创建应用并且申请 API 获取 APPID, APPKEY, SECRET_KEY。通过使用百度的 python sdk 就可以轻易实现：
# 离线合成语音
client = AipSpeech(str(config_baidu['app_id']), config_baidu['api_key'], config_baidu['secret_key'])
result = client.synthesis(text, 'zh', 1, {
'vol': 5,
})
# 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(result, dict):
with open('audio.mp3', 'wb') as f:
f.write(result)
f.close()
# ocr 识别
client = AipOcr(str(config_baidu['app_id']), config_baidu['api_key'], config_baidu['secret_key'])
img_byte_arr = io.BytesIO()
img.save(img_byte_arr, format='PNG')
image_data = img_byte_arr.getvalue()
response = client.basicGeneral(image_data)
words_result = response['words_result']
texts = ''
for x in words_result:
texts += x['words']
return texts
运行
本次脚本其实并没有特别的难度，主要就是其中几个流程搞清楚，主要是有几点可以注意一下。第一点就是截图区域的获得，比如口令的截图区域以及按钮的位置。另外，为了方便直接调用电脑的 windows media player 播放音频文件，因此注意修改程序的路径以及音频文件的绝对路径。按照阅读链接中的 config-template 配置百度 API，设置成 config.yaml，这样为了是避免泄露百度 API 密钥的泄露。
结语
花了一下午的时间写了这个脚本，其实脚本的难度并不大。python 语言作为一种脚本语言，的确在处理某些的确非常方便。怪不得，人生苦短，我用 python。通过这个脚本可以避免我拙劣的绕口令，可以通过阅读原文获取脚本的完整代码。
以上。
欢迎搜索微信号 mad_coder 或者扫描二维码关注公众号：
