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：/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 GPIOimport pyaudioimport waveimport osimport sysdef 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 = 512FORMAT = 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//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：/?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 AipSpeechimport osAPP_ID = '你的IDID'API_KEY = '你的KEYKEY'SECRET_KEY = '你的secret_key'# 新建一个 AipSpeechclient = 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.wavif __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：/
python代码参考：
import jsonimport urllib.requestdef chat(question):api_url = "/openapi/api/v2"text_input = questionreq = {"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 = textchat(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:utf8from aip import AipSpeechimport 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_contentresult = 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")returnif __name__ == '__main__': with open("result.txt", "rb") as f: # 打开文件text = f.read() # 读取文件 eg_text_content = textspeak(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
