樹莓派準(zhǔn)備

包的安裝

Python 3 默認(rèn)安裝在 Raspberry Pi 操作系統(tǒng)上，并用于許多重要功能。干擾系統(tǒng) Python 安裝可能會導(dǎo)致操作系統(tǒng)出現(xiàn)問題，因此，如果安裝第三方 Python 庫，請使用正確的包管理工具，這一點(diǎn)很重要。

有兩種方法可以將庫安裝到默認(rèn)python 發(fā)行版中。您可以使用 apt 并安裝預(yù)配置的系統(tǒng)軟件包，也可以使用 pip 安裝未作為 Raspberry Pi OS 的一部分分發(fā)的軟件包。

例如，要安裝 Python 3 庫以支持 Raspberry Pi 構(gòu)建 HAT，您需要：

$ sudo apt install python3-build-hat

但是我們大概率會遇到包管理工具沖突的問題

產(chǎn)生此錯誤的原因是您嘗試將第三方包安裝到系統(tǒng) Python 中。對于 Python 用戶來說，一個長期存在的實(shí)際問題是操作系統(tǒng)包管理器（如 apt）與 Python 特定的包管理工具（如 pip）之間的沖突。這些沖突包括 Python 級 API 不兼容和文件所有權(quán)沖突。

因此，從 Bookworm 開始，通過 pip 安裝的軟件包必須使用 < /span>venv。虛擬環(huán)境是一個容器，您可以在其中安全地安裝第三方模塊，這樣它們就不會干擾或破壞您的 Python 系統(tǒng)。

虛擬環(huán)境

要使用虛擬環(huán)境，您需要創(chuàng)建一個容器來存儲環(huán)境。您可以通過多種方法來完成此操作，具體取決于您想要使用 Python 的方式。您可以繼續(xù)的一種方法是為您創(chuàng)建的每個 Python 項(xiàng)目創(chuàng)建一個新的虛擬環(huán)境。在這里，您將創(chuàng)建一個目錄來保存您自己的代碼以及虛擬環(huán)境目錄：

$ mkdir my_project
$ cd my_project
$ python -m venv (你的項(xiàng)目名）

如果您現(xiàn)在查看 my_project 目錄，您將看到一個名為 你的項(xiàng)目名 的目錄。

下一步，我們來通過指令： python -m venv --system-site-packages (你的項(xiàng)目名) 來創(chuàng)建虛擬環(huán)境。`

$ source (你的項(xiàng)目名)/bin/activate

(你的項(xiàng)目名) $

現(xiàn)在我們就可以使用 pip 進(jìn)行安裝了。

Pycharm準(zhǔn)備

所需要的包

以下是需要安裝的一些python依賴包

• pip install speech_recognition 安裝speech_recognition依賴包, 用于錄音、生成wav文件
• pip install baidu-aip 安裝百度AI的sdk, 調(diào)用語音技術(shù)接口將音頻識別為文本數(shù)據(jù)返回
• pip install pygame 安裝pygame依賴包, 將文本信息以音頻的格式播放出來

編程邏輯

• 第一步： “拾音”
• 第二步： STT轉(zhuǎn)換
• 第三步： MOSS機(jī)器人回復(fù)文本
• 第四步： TTS轉(zhuǎn)換 + 語音合成
• 第五步： 外放語音

第一步： 拾音

首先我們測試錄音設(shè)備是否存在。我們在樹莓派終端里面輸入指令：

arecord -l

會得到如下回復(fù)：

這就是說明我們的設(shè)備是存在的。我們也能在這里看到有幾個設(shè)備，可以選擇用哪個。

arecord -D "plughw:3" -f S16_LE -r16000 -d4 /home/admin/PyCode/WS_Project_MOSS/voices/myvoices.wav

參數(shù)解析

- -D 指定錄音設(shè)備，-D hw:1,0的意思就是選用card1（SmartIC Audio Device)設(shè)備錄音

- -c 設(shè)置通道個數(shù)，-c2的意思就是錄制2通道的音頻文件

- -r 設(shè)置采樣率，-r16000的意思就是設(shè)置采樣率為16000

- -f 指定錄音格式，-fS16_LE的意思就是錄制S16_LE格式的音頻文件

-h，—help(幫助）

-V，–version(打印版本信息）

-l，–list-devices(列出全部聲卡和數(shù)字音頻設(shè)備）

-L，–list-pcms(列出全部PCM定義）

-D，–device（指定PCM設(shè)備名稱）

-q，–quiet(安靜模式）

-t，–file-type(文件類型voc,wav,raw或au)

-c，–channels(設(shè)置通道數(shù)）

-f，–format(設(shè)置格式)

-r，–rate(設(shè)置頻率）

-d，–duration（設(shè)置持續(xù)時間，單位為秒）

-s，–sleep-min（設(shè)置最小休眠時間）

-M，–mmap(mmap流）

-N，–nonblock(設(shè)置為非塊模式）

-B，–buffer-time(緩沖持續(xù)時長，單位為微秒）

-v，–verbose(顯示PCM結(jié)構(gòu)和設(shè)置）

-I，–separate-channels(設(shè)置為每個通道一個單獨(dú)文件）

第二步：語音識別

通過百度語音識別服務(wù)（可以去官網(wǎng)上找一下，然后注冊應(yīng)用，獲得自己的 APP_ID， APP_KEY， SECRET_KEY）

根據(jù)百度語音識別官方給的文檔，我們來對接一下這個API接口

from aip import AipSpeech
import request
import json



# 配置一下API接口所需要的參數(shù)
APP_ID = '___________'  
API_KEY = '________________'  
SECRET_KEY = '___________________'  
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)  
path = 'voices/myvoices.wav'


def listen():  
    # 讀取錄音文件  
    with open(path, 'rb') as fp:  
    voices = fp.read()  
    try:  
        # 參數(shù)dev_pid：1536普通話(支持簡單的英文識別)、1537普通話(純中文識別)、1737英語、1637粵語、1837四川話、1936普通話遠(yuǎn)場  
        result = client.asr(voices, 'wav', 16000, {'dev_pid': 1537})  
        result_text = result["result"][0]  
        print("我聽到你說： " + result_text)  
        return result_text  
    except KeyError:  
        print(result.get('err_no'))

第三步：機(jī)器人的思考回答

現(xiàn)在我們來等待機(jī)器人的回復(fù)。這里我們需要調(diào)用接口，我們現(xiàn)在使用的是 ERNIE-BOT-4.0， 我們后續(xù)會嘗試一下調(diào)用 ChatGPT的API接口，就相當(dāng)于是把機(jī)器人的大腦換一下。

很簡單，依據(jù) 文檔，我們來寫一下以下兩個函數(shù)。

def get_access_token():  
    """  
    使用 API Key，Secret Key 獲取access_token，替換下列應(yīng)用API Key、應(yīng)用Secret Key  
    """  

    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=你的信息&client_secret=你的信息"  

    payload = json.dumps("")  
    headers = {  
    'Content-Type': 'application/json',  
    'Accept': 'application/json'  
    }  

    response = requests.request("POST", url, headers=headers, data=payload)  
    return response.json().get("access_token")
    

def bot(question):  
    # url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=" + get_access_token()  
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=24.3990f1717b7636be7b8a4de154a49b5a.2592000.1705210204.282335-45017968"  

    payload = json.dumps({  
        "messages": [  
        {  
            "role": "user",  
            "content": f"{question}"  
        }]  
        })  
        headers = {  
            'Content-Type': 'application/json'  
        }  

    response = requests.request("POST", url, headers=headers, data=payload)  

    temp = json.loads(response.text)  
    print(temp.get('result'))  
    return temp.get('result')

第四步：TTS轉(zhuǎn)換 + 外放語音

接下來，我們要把機(jī)器人回復(fù)給我們的文字轉(zhuǎn)換成語音

import os
import sys


def say(response):  
    result = client.synthesis(f'{response}', 'zh', 1, {  
        'vol': 5,  
    })  

    # 識別正確返回語音二進(jìn)制 錯誤則返回dict 參照下面錯誤碼  
    if not isinstance(result, dict):  
        with open('robot/audio.mp3', 'wb') as f:  
            f.write(result)
            
    os.system('sudo aplay /home/admin/PyCode/WS_Project_MOSS/robot/audio.mp3')

第五步：整合

詳情請閱覽 gitee 倉庫源碼

到此這篇關(guān)于基于Python構(gòu)建一個智能語音機(jī)器人的文章就介紹到這了,更多相關(guān)Python語音機(jī)器人內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論