单片机学习:第一篇 基于Python的树莓派语音助手

title: 单片机学习:第一篇 基于Python的树莓派语音助手
tags: 树莓派,python,语音助手,百度AIP

目录

一、pyaudio录音

 二、语音识别

 三、与图灵机器人对话

 四、语音合成

 五、封装


树莓派功能十分强大,作为一个微型电脑,独特的阵脚设计使得树莓派开发的自定义程度非常高。本篇博客通过使用python语言,封装一个简单的语音助手程序。制作一个语音助手你需要如下物品:
``` 
1:一个树莓派(3代、4代皆可)
2:免驱的usb声卡(声卡需接在树莓派usb接口)
3:麦克风(接在声卡上)
4:有线音响(音响可连在声卡上,也可连在树莓派的3.5mm接口上)
(树莓派播放设备默认使用3.5mm接口,具体过程需要自定义播放设备)
```
如果要设置usb声卡输出,参考配置声卡教程:https://www.jianshu.com/p/f414b85b9e71,如果使用默认3.5mm接口输出可以忽略。
设计语音助手有如下过程:录音、语音识别、图灵机器人对话、语音合成,以下对各个过程进行介绍。

一、pyaudio录音


使用python语言进行录音,主要是将说话者声音输出成一段音频文件。对于python来说,这很容易。通过引用pyaudio库,可以进行录音、播放、生成wav文件等。
首先,我们在树莓派上需要下载pyaudio库: ```pip3 install pyaudio```
在pyaudio的官网http://people.csail.mit.edu/hubert/pyaudio/介绍上有对pyaudio的详细介绍,以官网示例:
创建一名为rec的python文件 ```sudo nano rec.py```

import RPi.GPIO as GPIO
import pyaudio
import wave
import os
import sys
def rec_fun():
    # 隐藏错误消息,因为会有一堆ALSA和JACK错误消息,但其实能正常录音
    # os.close(sys.stderr.fileno())
    BUTT = 26    # 开始录音的按钮:一边接GPIO26,一边接地
    GPIO.setmode(GPIO.BCM)
    # 设GPIO26脚为输入脚,电平拉高,也就是说26脚一旦读到低电平,说明按了按钮
    GPIO.setup(BUTT, GPIO.IN, pull_up_down = GPIO.PUD_UP)
    # wav文件是由若干个CHUNK组成的,CHUNK我们就理解成数据包或者数据片段。
    CHUNK = 512 
    FORMAT = pyaudio.paInt16  # pyaudio.paInt16表示我们使用量化位数 16位来进行录音
    RATE = 16000  # 采样率1.6k。
    WAVE_OUTPUT_FILENAME = "command.wav"
    print('请按住按钮开始录音...')
    GPIO.wait_for_edge(BUTT, GPIO.FALLING)
    # To use PyAudio, first instantiate PyAudio using pyaudio.PyAudio(), which sets up the portaudio system.
    p = pyaudio.PyAudio()
    stream = p.open(format = FORMAT,
                    channels = 1,    # cloud speecAPI只支持单声道
                    rate = RATE,
                    input = True,
                    frames_per_buffer = CHUNK)
    print("录音中...")
    frames = []
    # 按住按钮录音,放开时结束
    while GPIO.input(BUTT) == 0:
        data = stream.read(CHUNK)
        frames.append(data)
    print("录音完成,输出文件:" + WAVE_OUTPUT_FILENAME + '\n')
    stream.stop_stream()
    stream.close()
    p.terminate()
    wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
    wf.setnchannels(1)
    wf.setsampwidth(p.get_sample_size(FORMAT))    # Returns the size (in bytes) for the specified sample format.
    wf.setframerate(RATE)
    wf.writeframes(b''.join(frames))
    wf.close()
    return
# 可以直接运行rec.py进行测试,同时保证该文件import时不会自动运行
if __name__ == '__main__':
    rec_fun()

通过树莓派一 点亮LED灯:https://www.luodeb.top/2020/06/21/raspberry/?from=timeline,我们对树莓派的阵脚已经有了大概了解。
按钮录音,是通过按钮控制阵脚高低电平。在上述代码里引用```import RPi.GPIO as GPIO```,选择26号输出脚和GND。
执行后按住按钮开始录音,会在rec.py同目录下生成command.wav文件。

 二、语音识别


我选择了百度AIP平台,使用其语音识别技术。(当然也可使用Google、科大讯飞等平台)
 1. 申请百度AIP账号与应用
在百度AI开发平台:https://ai.baidu.com/?track=cp:aipinzhuan|pf:pc|pp:AIpingtai|pu:title|ci:|kw:10005792注册账号,再在控制台创建一个新应用
2. python调用百度AIP
官网文档中有详细使用语音识别技术,包括python的示例。首先导入AipSpeech, 即百度AI语音识别的Python SDK客户端(```pip3 install baidu-aip```)。附上代码如下:

from aip import AipSpeech
import os

APP_ID = '你的IDID'
API_KEY = '你的KEYKEY'
SECRET_KEY = '你的secret_key'

# 新建一个 AipSpeech
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):   #filePath待读取文件名
    with open(filePath, 'rb') as fp:
        return fp.read()
# 语音识别
def stt(filename):
    # 识别本地文件
    result = client.asr(get_file_content(filename),
                        'wav',
                        16000,
                        {'dev_pid': 1537,}      # dev_pid 参数表示识别的语 言类型 1537表示普通话 
                        )
    print (result)
    return result['result']

# 解析返回值,打印语音识别的结果 
    if result['err_msg']=='success.': 
        word = result['result'][0].encode('utf-8')       # utf-8 编码 
        if word!='': 
            if word[len(word)-3:len(word)]==',': 
                print (word[0:len(word)-3]) 
                with open('demo.txt','wb') as f: 
                    f.write(word[0:len(word)-3]) 
            else: 
                print (word.decode('utf-8').encode('gbk')) 
                with open('demo.txt','wb') as f: 
                    f.write(word) 
                f.close() 
        else: 
            print ("音频文件不存在或格式错误") 
    else: 
        print ("错误") 
# main 函数 识别本地录音文件 yahboom.wav 
if __name__ == '__main__':
    stt('command.wav')   # command.wav为待读取文件,请替换

 三、与图灵机器人对话


使用图灵机器人基本原理就是使用urllib.request模块,向接口地址发送HTTP POST请求,请求中加入了聊天内容。(返回内容是一个字典)
首先我们需要申请一个机器人:官网入口:http://www.turingapi.com/
python代码参考:

import json
import urllib.request
def chat(question):
    api_url = "http://openapi.tuling123.com/openapi/api/v2"
    text_input = question
    req = {
        "perception":
        {
            "inputText":
            {
                "text": text_input
            },
            "selfInfo":
            {
                "location":
                {
                    "city": "xxx",
                    "province": "xxx",
                    "street": "xxx"
                }
            }
        },
        "userInfo": 
        {
            "apiKey": "xxxxxxxxxxxxx",    #你的key
            "userId": "123"         #唯一的标识,自选即可
        }
    }
    # 将字典格式的req转为utf8编码的字符串
    req = json.dumps(req).encode('utf8')
    print('\n' + '正在调用图灵机器人API...')

    http_post = urllib.request.Request(api_url, data=req, headers={'content-type': 'application/json'})
    response = urllib.request.urlopen(http_post)    
    print('得到回答,输出为字典格式:')

    response_str = response.read().decode('utf8')
    response_dic = json.loads(response_str)
    intent_code = response_dic['intent']['code'] 
    
    # 返回网页类的输出方式
    if(intent_code == 10023):
        results_url = response_dic['results'][0]['values']['url']
        results_text = response_dic['results'][1]['values']['text']
        with open("result.txt","w") as f:
            f.write(results_text)  # 自带文件关闭功能,不需要再写f.close()
        answer = {"code": intent_code, "text": results_text, "url":results_url}
        print(answer)
        return(answer)
    # 一般的输出方式
    else:
        results_text = response_dic['results'][0]['values']['text']
        answer = {"code": intent_code, "text": results_text}
        with open("result.txt","w") as f:
            f.write(results_text)  # 自带文件关闭功能,不需要再写f.close()
        print(answer)
        return(answer)

if __name__ == '__main__':
    with open("demo.txt", "r",encoding='UTF-8') as f:
        text  = f.read()  # 读取文件
    eg_question = text
    chat(eg_question)

 四、语音合成


我同样选择了百度的语音合成(注意,AI平台新建应用后,语音合成技术需要自行领用。语音识别的key与合成的key不一样,使用请注意)。示例文档自行参考,提供参考代码:
 

#encoding:utf8
from aip import AipSpeech
import os

""" 你的 APPID AK SK """
APP_ID = 'xxxxx'
API_KEY = 'xxxxxxxxxxxxxxxx'
SECRET_KEY = 'chMdMAS0acD7sPS6FhP3a3iOijU7wMVl'
def speak(text_content):
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    texts = text_content
    result = client.synthesis(texts , options={'vol':5})

    print('\n' + "正在调用语音合成API...")

    if not isinstance(result,dict):
        with open('answer.mp3','wb') as f:
            f.write(result)
    else:print(result)

    print("播放音频中...")
    print("以下均为mplayer的输出内容\n")
    os.system("mplayer answer.mp3")
    return
if __name__ == '__main__':   
    with open("result.txt", "rb") as f: # 打开文件

         text  = f.read()  # 读取文件       
    eg_text_content = text
    speak(eg_text_content)         


 五、封装


至此,我们的录音、识别、对话、合成已经完成了,开始对这四个py文件进行封装。
在封装时,增加一个获取获取歌曲直链url1.py文件。
一个简单的if else 完成了图灵机器人对话到在线放歌的切换。
当然,读者还可以进一步完善,例如实现与图灵机器人的多次对话直到退出。

需要参考我的全部代码,可以去我的资源下载

你可能感兴趣的:(单片机,python,语音识别,linux)