利用树莓派制作智能音箱

制作智能音箱需要解决的问题，如下：

1. 需要准备的器件（例如音箱、麦克风等）
2. 代码实现问题（语音交互）

1. 语音识别
2. 语音唤醒功能
3. 能够实现播放、暂停音乐（预先设好的音乐/链接网址播放在线）
4. 讲故事、讲笑话（预先设好的故事和笑话/链接网址播放在线）
5. 报天气（温湿度传感器设置范围对应天气/链接到对应网址汇报）
6. 简单的对话:对应的问好+需要我为你做些什么吗？

1. 实现技术：Python+百度接口

制作过程及调试阶段

1. 完成百度接口注册及资源领取
2. 语音合成的技术实现
3. 根据百度智能云的步骤，在Python中一步步实现。

遇到的问题及解决方式：

在复制代码中，发现版本不兼容导致运行出现问题，我们所安装的python3.0版本无法找到urllib2（这是python2.7版本的用法），通过咨询老师和查阅百度了解到这个问题的来源，并通过删除兼容部分的代码解决了这一问题，实现了语音合成技术。

安装使用Python SDK有如下方式：

可在官网下载最新版本。

如果已安装pip，执行pip install baidu-aip即可，如果需要使用HTTP2，请安装pip install baidu-aip-http2。

如果已安装setuptools，执行python setup.py install即可。

1. 语音识别的技术实现

根据百度智能云的步骤，在Python中一步步实现短语音的识别。

问题：如何实现实时语音识别

利用百度智能云开发的技术文档，安装基础调用软件。

实时语音识别接口采用websocket协议的连接方式，边上传音频边获取识别结果。可以将音频流实时识别为文字，也可以上传音频文件进行识别；返回结果包含每句话的开始和结束时间，适用于长句语音输入、音视频字幕、直播质检、会议记录等场景。

接入步骤：

1.创建账号

2.进行接口调用：实时语音识别支持websocket协议，API方式调用。

支持中文普通话、音视频直播（中文）场景识别；支持英文识别。

音频格式

目前只支持pcm格式的原始音频数据， 16000采样率， 单声道，16bits，小端序。 目前api限制一次音频时长不超过1小时。

音频内容为：清晰的真人发音，无背景音或其它噪音，日常用语。

录音环境

百度语音识别要求安静的环境，真人的正常语速的日常用语，并且不能多个人同时发音。

以下场景讲会导致识别效果变差，错误，甚至没有结果：

1. 吵杂的环境
2. 有背景音乐，包括扬声器在播放百度合成的语音。
3. 离麦克风较远的场景应该选择远场语音识别。

以下场景的录音可能没有正确的识别结果：

1. 音频里有技术专业名称或者用语
2. 音频里是某个专业领域的对话，非日常用语。比如专业会议，动画片等

restapi http协议： 0.0s：--> 开始发起请求-->0.3s 发送完整录音文件到百度服务器 --> 3.0s: 接收返回结果

程序编写：

1. 人机对话的实现

1. 新建机器人

  在【我的机器人】页面，点击【创建我的机器人】，新建一个机器人。

  创建完成之后，在技能管理页面添加技能到机器人中。

2. 添加技能到机器人中

a. 获取预置技能

  点击【添加技能】页面，进入我的技能页面，点击【添加预置技能】，获取技能。

b. 获取闲聊技能

  找到闲聊之后，点击【获取该技能】，跳转到我的闲聊页面，创建闲聊技能。

c. 将技能添加到机器人中

  获取完技能后，回到刚刚创建的机器人中，点击【添加技能】，即可看到刚刚获取的两个预置技能，选中并添加到机器人中。

3. 对话流程控制

  在机器人设置中使用回复优先级功能，可以控制各技能的回复优先级，数字越低，优先级越高。当用户与机器人对话时，会优先使用优先级更高的技能结果回复用户。平台默认使用优先级最高的技能结果，其他技能结果可测试窗口的json中看到。

4. 对话测试并部署

  点击【对话】即可进行对话测试

测试完成后，点击【发布上线】即可接入业务系统。

程序编写：

ID是你自己的机器人代号。

然后导入树莓派。

给树莓派连上喇叭和麦克风，即可完成树莓派智能音箱的制作。