Python只需要三十行代碼，打造一款簡單的人工語音對話

@Author：Runsen

1876年，亞歷山大·格雷厄姆·貝爾（Alexander Graham Bell）發明了一種電報機，可以通過電線傳輸音頻。托馬斯·愛迪生（Thomas Edison）于1877年發明了留聲機，這是第一臺記錄聲音并播放聲音的機器。

最早的語音識別軟件之一是由Bells Labs在1952年編寫的，只能識別數字。1985年，IBM發布了使用“隱馬爾可夫模型”的軟件，該軟件可識別1000多個單詞。

幾年前，一個replace("?","")代碼價值一個億

如今，在Python中Tensorflow，Keras，Librosa，Kaldi和語音轉文本API等多種工具使語音計算變得更加容易。

今天，我使用gtts和speech_recognition，教大家如何通過三十行代碼，打造一款簡單的人工語音對話。思路就是將語音變成文本，然后文本變成語音。

gtts

gtts是將文字轉化為語音，但是需要在VPN下使用。這個因為要接谷歌服務器。

具體gtts的官方文檔：

下面，讓我們看一段簡單的的代碼

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?")

1

2

3

4

5

6

7

8

9

執行上面的代碼，就可以生成一個mp3文件，播放就可以聽到了Hi Runsen, what can I do for you?。這個MP3會自動彈出來的。

speech_recognition

speech_recognition用于執行語音識別的庫，支持在線和離線的多個引擎和API。

speech_recognition具體官方文檔

安裝speech_recognition可以會出現錯誤，對此解決的方法是通過該網址安裝對應的whl包

在官方文檔中提供了具體的識別來自麥克風的語音輸入的代碼

下面就是 speech_recognition 用麥克風記錄下你的話，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(): # 用麥克風記錄下你的話 print("開始麥克風記錄下你的話") 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)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

下面是我亂說的英語

對話

上面，我們實現了用麥克風記錄下你的話，并且得到了對應的文本，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()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

當我說how are you？會彈出I am fine的mp3

當我說where is Chiana？會彈出Hold on Runsen, I will show you where China is.的MP3

同樣也會彈出China的谷歌地圖

本項目對應的Github

Python 語音通話

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。