python--基于百度aip的语音交互及语音唤醒

背景：当前随着人工智能的快速发展，人机交互的热度变得越来越大，作为人机交互的很重要的一部分-----语音交互，逐渐成为当前的热门论点。

语音交互的几大部分组成

1.获得音频文件----->2.识别音频文件----->3.将音频文件转换为字符串------>4.进行其他相关操作（打开网址，语音对话，指挥机器人.....）

准备阶段,导入相关的库

import pyaudio
import wave
from aip import AipSpeech
import time
以及百度aip注册的密钥

 1.使用pyaudio借助电脑麦克风获得音频文件

# -*- coding = utf-8
# @Time : 2022/10/2011:43
# @Author : 夜路难行
# @File : record_sound.py
# @SoftWare : PyCharm
import pyaudio
import wave

CHUNK = 1024        #wav文件会将其分成好多个数据包/数据片段
CHANNELS = 1        #声道数
FORMAT= pyaudio.paInt16   #位化深度     2^16
RATE = 16000        #采样率
RECORD_SECONDS = 4

def record_sound(FILEPATH)  :
    p = pyaudio.PyAudio()

    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

    print("开始录音,请说话......")

    frames = []

    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
        data = stream.read(CHUNK)
        frames.append(data)

    print("录音结束...")

    stream.stop_stream()
    stream.close()
    p.terminate()

    wf = wave.open(FILEPATH, 'wb')
    wf.setnchannels(CHANNELS)
    wf.setsampwidth(p.get_sample_size(FORMAT))
    wf.setframerate(RATE)
    wf.writeframes(b''.join(frames))
    wf.close()

在此需要了解相关的音频知识：

声道数：支持能发出音响的个数

采样率：一秒钟对声音的采集次数

位化深度:

　　 8bit (也就是1字节) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级;   

　　16bit  (也就是2字节) 可以细到 65536 个数, 这已是 CD 标准了;   

　　32bit (也就是4字节) 能把振幅细分到 4294967296 个等级, 实在是没必要了.

paint16，相当于2^16，把音强分为65535个等级。

比特率:每秒的传输速度，kbps == Kilobit pre seconds ,比特率 = 声道数*位化深度*采样率，在百度aip的使用里面必须比特率为256kbps。

2.音频文件转化为字符串

# 读取文件
    def get_file_content(filePath):
        with open(filePath, 'rb') as fp:
            return fp.read()
    #AIP语音识别
    res = client.asr(get_file_content(FILEPATH),'wav',16000,{'dev-pid':15372,})

    #提取字符
    for key,val in res.items():
        print(key,val)
    #转化为列表
    List = res.get('result')
    #列表转化为字符串
    string = '.'.join(List)

这里是通过将百度aip转化后，返回的字典中，将键‘result’对应的值提取出来，然后将其转化为字符串。

dev-pid:对应的是不同语言的识别，这里可以去参考百度文档，找出自己需要的语言转换。

结合这两部就将语音转换完成了，后续的各项功能大家可以正常添加.....

3.语音唤醒

在网上查阅了相关资料发现，我没有找到windows系统下面的百度aip的语音唤醒，但是发现了科大讯飞的语音唤醒，但由于能力有限，目前不知道怎么将科大讯飞的语音唤醒和百度的语音交互联系起来，所以，想到了一个新的方案。

借助语音识别的功能，设置关键词，当识别到关键词的时候进行语音识别功能

def huanxing(FilePath):
    """ 你的 APPID AK SK """
    APP_ID = '************'
    API_KEY = '*************'
    SECRET_KEY = '********'

    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    record_sound.record_sound(FilePath)

    # 读取文件
    def get_file_content(filePath):
        with open(filePath, 'rb') as fp:
            return fp.read()

    # AIP语音识别
    res = client.asr(get_file_content(FilePath), 'wav', 16000, {'dev-pid': 15372, })

    # 提取字符
    for key, val in res.items():
        print(key, val)
    # 转化为列表
    List = res.get('result')
    # 列表转化为字符串
    string = '.'.join(List)
    if string == '小黑小黑。' or string == '小黑，你好。':
        return 1
    else:
        time.sleep(2)
        print("唤醒失败...\n请重新开始语音唤醒")
        huanxing('huanxing.wav')