小白如何做一個Python智能語音助手
- 真的是小白？
- 廢話不說直接上圖
- 1、錄音
- 2、語音識別
- 3、接入圖靈機器人
- 4、語音合成
- 5、播放語音
- 前期準備
- 源代碼
- 1、錄音
- 2、語音識別 （將錄音內容進行語音識別轉成文字）
- 3、接入圖靈機器人（將文字發送給機器人獲得回復）
- 4、語音合成 （將回復的文字進行語音合成）
- 5、播放語音
- 最終代碼來了
真的是小白？
大家好，我是一名資訊工程的大三學生，由于大一大二沒怎么學習技術，所以大三準備挖糞圖強，先介紹一下我的學習儲備吧，斷斷續續學過Python，一直只是看B站，學習一些語法基礎，數值型別，回圈，函式…甚至連面向物件和面向程序都分不清，
不過，這樣的學習基礎程序太枯燥了，我太沒有耐心，三天打魚兩天曬網地，所以我決定，從專案直接開始入手，遇到問題再去惡補基礎知識，雖然這樣的效率可能有點低，甚至你可能都不知道遇到問題該學習什么知識，
但是自頂向下的專案驅動對我來說更加有動力去學習，如果這個專案我不去做完它，我可能都會睡不著覺，所以我覺得這是最適合我的學習方法，而且現在網路這么發達，真的想要解決一個問題還能辦不到嗎？
這是我花了大概2天實作的第一個專案
（基本上除了吃飯睡覺都在做，還肝到了3點多）
廢話不說直接上圖
語音助手視頻看這里
人工智能語音助手主要功能分成下面5個部分：
1、錄音
2、語音識別
（將錄音內容進行語音識別轉成文字）
3、接入圖靈機器人
（將文字發送給機器人獲得回復）
4、語音合成
（將回復的文字進行語音合成）
5、播放語音
應該很好理解吧，它的核心功能其實是需要一個聊天機器人，才能實作智能回復，這里我們用的是現有的圖靈機器人，呼叫他的介面，不是自己做一個機器人（臣妾做不到），
同樣地，語音識別和語音合成技術也是呼叫現有的百度語音的介面，至于怎么實作那就太復雜了，
前期準備
· 首先肯定是python的安裝和編譯器
這個我就不講了，網上教程特別多
我用的是Pycharm 2021.2.2（最新版本的，也是最近重新開始學習，卸了重裝的）
· 其次你要學會第三方模塊的安裝，這個特別重要
Python很多專案都可以直接通過第三方模塊，實作大部分功能
安裝方法：
快捷鍵 Windows+R →輸入‘cmd’確定→然后輸入：pip install 你要安裝的第三模塊的名字→Enter（回車）
比如安裝: pygame ，就敲入pip install pygame
我已經安裝過了，要是還沒安裝會有下載進度（需要聯網下載安裝）
安裝方法就是其實很多，大家可以自己搜索學習，這里舉一個簡單的例子
源代碼
代碼將會分成5個小模塊和一個整合的代碼，
都可以獨立運行哦
1、錄音
這里需要安裝
pip install pyaudio
pip install SpeechRecognition
SpeechRecogintion 是 Python 的一個語音識別框架，
它可以檢測語音中的停頓自動終止錄音并保存，比 PyAudio 更人性化，很適合語音助手，
import speech_recognition as sr #pyaudio SpeechRecognition模塊
def rec(rate=16000): #從系統麥克風拾取音頻資料，采樣率為 16000
r = sr.Recognizer()
with sr.Microphone(sample_rate=rate) as source:
print("please say something") #這里會列印please say something，提示你說話進行錄音
audio = r.listen(source)
with open("recording.wav", "wb") as f: #把采集到的音頻資料以 wav 格式保存在當前目錄下的recording.wav 檔案
f.write(audio.get_wav_data())
return 1
rec() #運行rec函式，錄制音頻
2、語音識別 （將錄音內容進行語音識別轉成文字）
首先要去百度AI開放平臺，創建API介面應用
記得不用購買，可以先去領取免費資源
這里的App_ID、Api_Key、Secret_Key代碼都會用到
這里需要安裝
pip install baidu-aip
from aip import AipSpeech
APP_ID = '25016634'
API_KEY = 'Qsj6XGf0m1ilsV0QwLTmHeiy'
SECRET_KEY = 'Mctl1jHY85Hr3wmTpizLI********' #這三個輸入你自己的介面賬號密鑰哈，我就不放了，有需要可以找我要
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def listen():
with open('recording.wav', 'rb') as f: #將錄制好的音頻檔案recording.wav上傳至百度語音的服務，回傳識別后的文本結果并輸出，
audio_data = f.read()
results = client.asr(audio_data, 'wav', 16000, {
'dev_pid': 1537, #這里的results是一個字典，文本內容在Key名字為result對應的值，這里我惡補了一點字典的知識
})
if 'result' in results:
print("you said: " + results['result'][0]) #results['result']這個是輸出Key名字為result對應的值，也就是我們要的文本，至于后面[0]有什么用我還沒搞明白，
return results['result'][0]
else:
print("出現錯誤，錯誤代碼：" , results['err_no']) #不存在result就回傳錯誤代碼err_no
listen() #運行listen函式，將錄音轉成文字
語音識別放回的字典存放在results里面，是一個字典，包含了下面的內容，
result里面就是我們需要的文本了
我剛開始弄的時候一直報錯 KeyErrory，我查了下是字典的Key不存在，也就是沒有回傳result
所以我加了一個判斷，就是如果result不存在，就回傳錯誤代碼，我就可以去這個網站看出了什么錯誤了，當然你也可以直接回傳err_msg錯誤資訊（如果你英語很好），然后我發現回傳的錯誤代碼是：3305，就找到了對應的問題，重新申請一個或者等第二天再弄就可以了
3、接入圖靈機器人（將文字發送給機器人獲得回復）
首先要去圖靈機器人創建一個機器人，這個認證比較麻煩，還要拍身份證啥的，人工認證需要1-2天
注冊認證進入圖靈機器人的控制臺創建一個新的聊天機器人，記下分配到的 Apikey，后面代碼要用到
這里需要安裝
pip install requests
import requests
import json
TURING_KEY = "d4c739c4b5b7422ab15dc********" #這里輸入你的機器人Apikey
URL = "http://openapi.tuling123.com/openapi/api/v2"
HEADERS = {'Content-Type': 'application/json;charset=UTF-8'}
def robot(text=""):
data = {
"reqType": 0,
"perception": {
"inputText": {
"text": ""
},
"selfInfo": {
"location": { #這里輸入你的城市
"city": "廣州",
"street": "大學城"
}
}
},
"userInfo": {
"apiKey": 'd4c739c4b5b7422ab15dc********', #這里輸入你的機器人Apikey
"userId": "123"
}
}
data["perception"]["inputText"]["text"] = text
response = requests.request("post", URL, json=data, headers=HEADERS)
response_dict = json.loads(response.text)
result = response_dict["results"][0]["values"]["text"] #把機器人回復的文字儲存在result里
print("the AI said: " + result)
return result
robot("你好嗎？") #運行robot函式，與機器人聊天
4、語音合成 （將回復的文字進行語音合成）
這里用到的還是百度AI開放平臺的 App_ID、Api_Key、Secret_Key
from aip import AipSpeech
APP_ID = '25016634'
API_KEY = 'Qsj6XGf0m1ilsV0QwLTmHeiy'
SECRET_KEY = 'Mctl1jHY85Hr3wmTpizLI********'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def speak(text=""):
result = client.synthesis(text, 'zh', 1, { #這里的引數可以調 zh表示中文
'spd': 4, #語速
'vol': 5, #音量
'per': 4, #型別
})
if not isinstance(result, dict):
with open('audio.mp3', 'wb') as f: #保存為當前目錄下mp3格式的音頻：audio.mp3，不建議用wav格式，wav格式后面我用的是pagame播放無法識別
f.write(result)
f.close()
speak('你好啊！') #運行speak函式,把機器人回復的文字轉換成語音
機器人的語速、語調、音量、發聲人都可以選擇，更改對應引數數值就可以了
5、播放語音
用到的是pygame第三方庫（一聽就是做游戲的）
這里需要安裝
pip install pagame
import pygame
def play():
pygame.mixer.init() # 初始化混音器模塊（pygame庫的通用做法，每一個模塊在使用時都要初始化pygame.init()為初始化所有的pygame模塊，可以使用它也可以單初始化這一個模塊）
pygame.mixer.music.load("D:/C Language/Python/pythonProject/audio_assistant/audio.mp3") # 加載音樂 ######大坑，注意這里需要使用絕對路徑（就是不是默認當前路徑，我惡補一下絕對路徑和相對路徑）
pygame.mixer.music.set_volume(0.5)# 設定音量大小0~1的浮點數
pygame.mixer.music.play() # 播放音頻
while pygame.mixer.music.get_busy(): # 在音頻播放未完成之前不退出程式
pass
pygame.mixer.music.unload() #停止加載音頻
play()
這個看似是最簡單的一個，不過卻有一個大坑，我弄了好久才搞定，
如果你直接使用 audio.mp3 相對路徑，
它在播放完audio.mp3之后，這個audio.mp3就在python里面打開里，我試了好多辦法都沒辦法關閉，
所以它就只能播放一次，后面再播放就會報錯，說檔案被占用，所以大家記得用絕對路徑，
不然后面你跟語音助手對話就只能說一次了，
最終代碼來了
import speech_recognition as sr
from aip import AipSpeech
import requests
import json
import pygame
#錄音
def rec(rate=16000):
r = sr.Recognizer()
with sr.Microphone(sample_rate=rate) as source:
print("please say something")
audio = r.listen(source)
with open("recording.wav", "wb") as f:
f.write(audio.get_wav_data())
return 1
#語音識別
APP_ID = '25016634'
API_KEY = 'Qsj6XGf0m1ilsV0QwLTmHeiy'
SECRET_KEY = 'Mctl1jHY85Hr3wmT***********'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def listen():
with open('recording.wav', 'rb') as f:
audio_data = f.read()
results = client.asr(audio_data, 'wav', 16000, {
'dev_pid': 1537,
})
if 'result' in results:
print("you said: " + results['result'][0])
return results['result'][0]
else:
print("出現錯誤，錯誤代碼：" , results['err_no'])
#呼叫圖靈機器人
TURING_KEY = "1dde879fa943438e9*********"
URL = "http://openapi.tuling123.com/openapi/api/v2"
HEADERS = {'Content-Type': 'application/json;charset=UTF-8'}
def robot(text=""):
data = {
"reqType": 0,
"perception": {
"inputText": {
"text": ""
},
"selfInfo": {
"location": {
"city": "廣州",
"street": "大學城"
}
}
},
"userInfo": {
"apiKey": '1dde879fa943438e9**********',
"userId": "123"
}
}
data["perception"]["inputText"]["text"] = text
response = requests.request("post", URL, json=data, headers=HEADERS)
response_dict = json.loads(response.text)
result = response_dict["results"][0]["values"]["text"]
print("the AI said: " + result)
return result
#語音合成
def speak(text=""):
result = client.synthesis(text, 'zh', 1, {
'spd': 4,
'vol': 5,
'per': 4,
})
if not isinstance(result, dict):
with open('audio.mp3', 'wb') as f:
f.write(result)
#播放音頻
def play():
pygame.mixer.init()
pygame.mixer.music.load("D:/C Language/Python/pythonProject/audio_assistant/audio.mp3")
pygame.mixer.music.set_volume(0.5)
pygame.mixer.music.play()
while pygame.mixer.music.get_busy():
pass
pygame.mixer.music.unload()
if __name__ == "__main__":
while True:
rec() # 保存錄音檔案：recording.wav
text = listen() # 自動打開錄音檔案recording.wav進行識別,回傳 識別的文字存到text
if '結束程式' in text: #這里我設定了一個結束語，說“結束程式”的時候就結束，你也可以改掉
break
text_1 = robot(text) # 將text中的文字發送給機器人，回傳機器人的回復存到text_1
speak(text_1) # 將text_1中機器人的回復用語音輸出，保存為audio.mp3檔案
play() #播放audio.mp3檔案
主要就是后面主函式那段代碼啦，設定了一個回圈可以無限對話下去，還設定了一個“結束程式”
那么我的第一個專案Python智能語音助手就告一段落了！
后面我想學一學樹莓派，把這個弄到樹莓派里面，再加上一個智能喚醒的功能，做一個獨立的 樹莓派智能語音助手，
你們有什么好的簡單專案也可以推薦給我呀！大家一起做，互相請教總比一個人做效率高，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/328208.html
標籤：其他