Python只需要三十行代碼，打造一款簡(jiǎn)單的人工語音對(duì)話
1876年，亞歷山大·格雷厄姆·貝爾(Alexander Graham Bell)發(fā)明了一種電報(bào)機(jī)，可以通過電線傳輸音頻。托馬斯·愛迪生(Thomas Edison)于1877年發(fā)明了留聲機(jī)，這是第一臺(tái)記錄聲音并播放聲音的機(jī)器。
最早的語音識(shí)別軟件之一是由Bells Labs在1952年編寫的，只能識(shí)別數(shù)字。1985年，IBM發(fā)布了使用“隱馬爾可夫模型”的軟件，該軟件可識(shí)別1000多個(gè)單詞。
幾年前，一個(gè)replace("?","")代碼價(jià)值一個(gè)億
如今，在Python中Tensorflow，Keras，Librosa，Kaldi和語音轉(zhuǎn)文本API等多種工具使語音計(jì)算變得更加容易。
今天，我使用gtts和speech_recognition，教大家如何通過三十行代碼，打造一款簡(jiǎn)單的人工語音對(duì)話。思路就是將語音變成文本，然后文本變成語音。
gtts
gtts是將文字轉(zhuǎn)化為語音，但是需要在虛擬網(wǎng)絡(luò)下使用。這個(gè)因?yàn)橐庸雀璺?wù)器。
具體gtts的官方文檔：
下面，讓我們看一段簡(jiǎn)單的的代碼
from gtts import gTTS
def speak(audioString):
print(audioString)
tts = gTTS(text=audioString, lang='en')
tts.save("audio.mp3")
os.system("audio.mp3")
speak("Hi Runsen, what can I do for you?")
執(zhí)行上面的代碼，就可以生成一個(gè)mp3文件，播放就可以聽到了Hi Runsen, what can I do for you?。這個(gè)MP3會(huì)自動(dòng)彈出來的。
speech_recognition
speech_recognition用于執(zhí)行語音識(shí)別的庫，支持在線和離線的多個(gè)引擎和API。
speech_recognition具體官方文檔
安裝speech_recognition可以會(huì)出現(xiàn)錯(cuò)誤，對(duì)此解決的方法是通過該網(wǎng)址安裝對(duì)應(yīng)的whl包
在官方文檔中提供了具體的識(shí)別來自麥克風(fēng)的語音輸入的代碼
?
?
下面就是 speech_recognition 用麥克風(fēng)記錄下你的話，這里我使用的是 recognize_google，speech_recognition 提供了很多的類似的接口。
import time
import speech_recognition as sr
# 錄下來你講的話
def recordAudio():
# 用麥克風(fēng)記錄下你的話
print("開始麥克風(fēng)記錄下你的話")
r = sr.Recognizer()
with sr.Microphone() as source:
audio = r.listen(source)
data = ""
try:
data = r.recognize_google(audio)
print("You said: " + data)
except sr.UnknownValueError:
print("Google Speech Recognition could not understand audio")
except sr.RequestError as e:
print("Could not request results from Google Speech Recognition service; {0}".format(e))
return data
if __name__ == '__main__':
time.sleep(2)
while True:
data = recordAudio()
print(data)
下面是我亂說的英語
?
?
對(duì)話
上面，我們實(shí)現(xiàn)了用麥克風(fēng)記錄下你的話，并且得到了對(duì)應(yīng)的文本，那么下一步就是字符串的文本操作了，比如說how are you，那回答"I am fine”，然后將"I am fine”通過gtts是將文字轉(zhuǎn)化為語音
# @Author：Runsen
# -*- coding: UTF-8 -*-
import speech_recognition as sr
from time import ctime
import time
import os
from gtts import gTTS
# 講出來AI的話
def speak(audioString):
print(audioString)
tts = gTTS(text=audioString, lang='en')
tts.save("audio.mp3")
os.system("audio.mp3")
# 錄下來你講的話
def recordAudio():
# 用麥克風(fēng)記錄下你的話
r = sr.Recognizer()
with sr.Microphone() as source:
audio = r.listen(source)
data = ""
try:
data = r.recognize_google(audio)
print("You said: " + data)
except sr.UnknownValueError:
print("Google Speech Recognition could not understand audio")
except sr.RequestError as e:
print("Could not request results from Google Speech Recognition service; {0}".format(e))
return data
# 自帶的對(duì)話技能（邏輯代碼：rules）
def jarvis():
while True:
data = recordAudio()
print(data)
if "how are you" in data:
speak("I am fine")
if "time" in data:
speak(ctime())
if "where is" in data:
data = data.split(" ")
location = data[2]
speak("Hold on Runsen, I will show you where " + location + " is.")
# 打開谷歌地址
os.system("open -a Safari https://www.google.com/maps/place/" + location + "/&")
if "bye" in data:
speak("bye bye")
break
if __name__ == '__main__':
# 初始化
time.sleep(2)
speak("Hi Runsen, what can I do for you?")
# 跑起
jarvis()
?
?
當(dāng)我說how are you?會(huì)彈出I am fine的mp3
?
?
當(dāng)我說where is Chiana?會(huì)彈出Hold on Runsen, I will show you where China is.的MP3
?
?
同樣也會(huì)彈出China的谷歌地圖
本項(xiàng)目對(duì)應(yīng)的Github
??https://github.com/MaoliRUNsen/Simple-intelligent-voice-dialogue??
