借助于python构建语音交互的智能机器人(自动发消息、发邮件、播放音乐、人机对话、网页检索功能，含完整代码)

---

Author：qyan.li

Date：2022.6.7

Topic：借助于python构建语音交互的智能机器人

一、写在前面：

​          ~~~~~~~~         经过几天的努力，基于python构建语音交互的智能机器人终于完成，今天这篇文章会完善阐述一下系统的总体架构，将前面的四篇文章串联起来，形成一个完善的系统。完整的项目代码已经上传至github，链接会在最后给出，需要的同学可自行下载参考。

​          ~~~~~~~~         前序四篇功能实现的博文链接如下，可自行参考：

• 借助于网络爬虫构建天气查询系统
• 借助于浏览器自动化技术实现网页内容检索
• 借助于python实现qq，微信消息自动发送，音乐自动播放
• 借助于python实现邮件的自动化发送

二、系统简介：

​          ~~~~~~~~         智能系统的主要功能实现在前面四篇博文中已成功完成，系统的总体框架图如下：

​          ~~~~~~~~         上述的所有功能(除智能聊天功能外)，其他所有的功能均在前四篇博文中分篇进行阐述，由于智能聊天功能较为简单，且核心为调用现有方法，因此不做详细展示。

​          ~~~~~~~~         在完整的代码中，智能机器人的各个功能实现已经实现完美的封装(使用class类，函数)，因此，调用起来也比较简单，故系统综合的阶段需要考虑如何将各部分功能实现的代码串联起来，实现完整使系统的构建。

​          ~~~~~~~~         首先，由于是借助于语音实现系统交互，因此必须存在音频录制和音频识别的模块。音频录音的代码较为简单，网络资源也比较丰富，下面提供自己音频录制的代码，仅供参考。

#声音录制设置
CHUNK = 1024
FORMAT = pyaudio.paInt16 # 16位深
CHANNELS = 1 #1是单声道，2是双声道。
RATE = 16000 # 采样率，调用API一般为8000或16000
RECORD_SECONDS = 10 # 录制时间10s


#录音文件保存路径
def save_wave_file(pa, filepath, data):
    wf = wave.open(filepath, 'wb')
    wf.setnchannels(CHANNELS)
    wf.setsampwidth(pa.get_sample_size(FORMAT))
    wf.setframerate(RATE)
    wf.writeframes(b"".join(data))
    wf.close()


#录音主体文件
def write_audio(filepath,isstart):
    '''
    :param filepath:文件存储路径（'test.wav'） 
    :param isstart: 录音启动开关（0：关闭 1：开启）
    '''
    if isstart == 1:
        pa = pyaudio.PyAudio()
        stream = pa.open(format=FORMAT,
                         channels=CHANNELS,
                         rate=RATE,
                         input=True,
                         frames_per_buffer=CHUNK)

        frames = []
        for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
            data = stream.read(CHUNK)  # 读取chunk个字节 保存到data中
            frames.append(data)  # 向列表frames中添加数据data

        stream.stop_stream()
        stream.close()  # 停止数据流
        pa.terminate()  # 关闭PyAudio

        #写入录音文件
        save_wave_file(pa, filepath, frames)
    elif isstart == 0:
        exit()

小Tips：

上述代码实现录制10s的音频，并将音频另存为wav文件，录制的时间可在代码中RECORD_SECONDS变量处进行修改

​          ~~~~~~~~         OK，音频录制的功能实现，如果想利用语音实现智能交互，就必须让智能系统能够理解用户意图，可以借助于文字实现意图理解和判断，因此还必须另写语音转文字的模块。实验中借助于百度云的语音识别接口，其他公司同样提供类似接口(阿里云语音接口调用，参照另一篇博文：(6条消息) 简单记录阿里云语音识别API调用方法_隔壁李学长的博客-CSDN博客)，下面提供百度云语音接口调用的代码示例：

# 获取录音文件内容并进行识别
def GetAudioContent(fileName):
    '''
    :param fileName:录音文件路径 
    :return: sign-是否获得结果，result_out-返回录音内容
    '''
    # 读取录音文件内容
    with open(fileName,'rb') as f:
        content = f.read()
    # 调用Baidu-api实现语音识别
    sign = 1
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    result = client.asr(content, 'wav', 16000, {'dev_pid': 1537, })
    print(result)
    if 'result' not in result.keys():
        sign = 0
        result_out = None
    elif result['result'] == ['']:
        sign = 0
        result_out = None
    else:
        result_out = "".join(result['result'])
    return [sign, result_out]

​          ~~~~~~~~         另外，语音交互不仅仅希望用户使用语音进行控制，更希望智能系统返回的文字结果可以借助于语音的方式进行输出，所以接下来的任务就是构建语音输出模块。

​          ~~~~~~~~         当然，文字合成语音可以借助于公司现有的API接口，同样可以借助于pyttsx3模块，该模块可以将字符串以语音的形式朗读出来，代码示例：

#语音播报函数
def speech_read(content):
    '''
    :param content:待播报的字符串 
    :return: None
    '''
    #模块初始化
    engine = pyttsx3.init()
    engine.say(content)
    # 等待语音播报完毕
    engine.runAndWait()

​          ~~~~~~~~         OK，语音交互的模块已完成，但是要实现智能的交互，还有比较重要的模块：语义理解。语义理解首先必须明确用户询问的问题属于哪个类别，以决定后续程序进入哪个function或者class进行执行，这部分是借助于模糊匹配进行实现：

# 模糊匹配函数
def FuzzComparsion(text,shift = 0):
    '''
    :param text:待匹配的文本 
    :param shift:取值1或0-待匹配的模板不同
    :return: 相似程度列表
    '''
    similarityLst = []
    stencilTextLst1 = ['给李其炎发消息，邮件告诉他我明天有事找他','今天的天气状况怎么样','播放一首炸雷','帮我查一下现在的俄乌局势'] # 匹配的模板文本
    stencilTextLst2 = ['QQ', '微信', '邮件']
    if shift == 0:
        stencilTextLst = stencilTextLst1
    if shift == 1:
        stencilTextLst = stencilTextLst2
    for item in stencilTextLst:
        similarity = fuzz.ratio(item,text)
        similarityLst.append(similarity)
    return similarityLst

小Tips：

​ 代码中构建四个模板，借助于模糊匹配技术，判断用户输入与各个模板的匹配程度，以决定用户询问问题的类别，以进入不同的模块执行不同的命令。

​          ~~~~~~~~         用户询问问题类别已经确定，而后的任务是提取语句中的主体对象，如问句给文件传输助手发微信告诉他我想它啦！我们需要提取出语句中发送对象文件传输助手，发送方式微信，发送内容我想她啦！，只有具有上述内容之后，我们才能执行后续的操作，邮件的发送也是类似的处理方法。处理的方法我目前还未想到较好的解决办法，只能根据关键词进行识别，比较死板，局限性也比较大。

def MsgDivision(content,key):
    '''模板：给***发消息告诉他***
    :param content:待处理的文本 
    :return: friendName发送对象和Msg发送内容
    '''
    if key == 'w':
        friendName = content.split('发微信')[0].strip('给')
    if key == 'z':
        friendName = content.split('发QQ')[0].strip('给')
    Msg = content.split('告诉他')[-1]
    return friendName,Msg

​          ~~~~~~~~         最后，构建代码主逻辑之前，提一下智能聊天的功能实现，本质上就是调用网络上的接口，借助于别人已经实现完成的模块，调用的方式：

#调用机器人
def robot(text = " "):
    '''
    :param text: 问询的文本
    :return: 机器人返回的内容
    '''
    url = 'http://api.qingyunke.com/api.php?key=free&appid=0&msg='+str(text)
    response = requests.get(url)
    responseText = response.text.split('"')[-2]
    return responseText

​          ~~~~~~~~         OK，代码中涉及语音交互的部分，语句处理的部分基本完成，接下来的任务就比较纯粹，写一个主函数完成代码主体逻辑的构建，该部分写的不太完善，读者可自行修改。

def Mainloop(text):
    '''
    :param text:待问询的文本 
    :return: None或者返回的内容
    '''
    similarityLst = FuzzComparsion(text)
    print(similarityLst)
    if max(similarityLst) < 30:
        # 调用free robot
        response = robot(text)
        print(response)
    else:
        max_index = similarityLst.index(max(similarityLst))
        if max_index == 0:
            # 调用wechat,QQ,Mail模块(模板:给**发**告诉他****)
            similarityLst = FuzzComparsion(text,1)
            index = similarityLst.index(max(similarityLst))
            if index == 0:
                # 调用QQ模块
                friendName , Msg = MsgDivision(text,'z')
                AutoMessage(Msg,friendName,'z')
            if index == 1:
                # 调用微信模块
                friendName, Msg = MsgDivision(text,'w')
                AutoMessage(Msg, friendName, 'w')
            if index == 2:
                # 调用邮件模块
                friendName,subject,Mailcontent = MailMsgDivision(text)
                AutoSendEmail(friendName,subject,Mailcontent)
                pass
        if max_index == 1:
            # 调用查询天气模块(模板：以城市名称开头，如成都今天天气怎么样?)
            content , _ = TextDealing(text)
            cityName = content.split(' ')[0]
            P = Pinyin()
            cityName_pinyin = P.get_pinyin(cityName,'')
            Weather = GetWeatherInfo(cityName_pinyin)
            print(Weather)
        if max_index == 2:
            # 调用音乐播放模块(模板：播放**)
            MusicName = text.strip('播放')
            AutoPlayMusic(MusicName)
        if max_index == 3:
            # 调用浏览器检索板块
            _ , SearchContent = TextDealing(text)
            SearchInternet(SearchContent)

三、总结反思：

​          ~~~~~~~~         系统总体上实现的功能较多，能力不够，数量来凑，其中涉及的知识和技术也比较多，作为一个学习和借鉴的参考还是不错的。

​          ~~~~~~~~         项目具有的问题和可以改进的地方：

• 语句处理：语义理解，内容实体提取，尤其是在语音识别识别精度不高，噪声影响大时的处理和解决办法
• 主循环的编辑，主循环的部分自己没有进行深度的编码和润色，就是简单的调用各个函数，可以以此为抓手改进Mainloop的编码逻辑。

四、完整代码：

​ 许诺大家五篇博文的完整代码：

Github链接：booue/Intelligent-Robot-Using-Python (github.com)