单片机学习：第一篇基于Python的树莓派语音助手

新用户79878317 2022-12-24 发布于河南

展开全文

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

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./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./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./
python代码参考：


import json
import urllib.request
def chat(question):
    api_url = 'http://openapi./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)