title: 單片機(jī)學(xué)習(xí)：第一篇 基于Python的樹莓派語音助手
tags: 樹莓派,python,語音助手,百度AIP

樹莓派功能十分強(qiáng)大，作為一個(gè)微型電腦，獨(dú)特的陣腳設(shè)計(jì)使得樹莓派開發(fā)的自定義程度非常高。本篇博客通過使用python語言，封裝一個(gè)簡單的語音助手程序。制作一個(gè)語音助手你需要如下物品：
``` 
1：一個(gè)樹莓派（3代、4代皆可）
2：免驅(qū)的usb聲卡（聲卡需接在樹莓派usb接口）
3：麥克風(fēng)（接在聲卡上）
4：有線音響（音響可連在聲卡上，也可連在樹莓派的3.5mm接口上）
（樹莓派播放設(shè)備默認(rèn)使用3.5mm接口，具體過程需要自定義播放設(shè)備）
```
如果要設(shè)置usb聲卡輸出，參考配置聲卡教程：https://www.jianshu.com/p/f414b85b9e71，如果使用默認(rèn)3.5mm接口輸出可以忽略。
設(shè)計(jì)語音助手有如下過程：錄音、語音識別、圖靈機(jī)器人對話、語音合成，以下對各個(gè)過程進(jìn)行介紹。

一、pyaudio錄音

使用python語言進(jìn)行錄音，主要是將說話者聲音輸出成一段音頻文件。對于python來說，這很容易。通過引用pyaudio庫，可以進(jìn)行錄音、播放、生成wav文件等。
首先，我們在樹莓派上需要下載pyaudio庫： ```pip3 install pyaudio```
在pyaudio的官網(wǎng)http://people.csail./hubert/pyaudio/介紹上有對pyaudio的詳細(xì)介紹，以官網(wǎng)示例：
創(chuàng)建一名為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():
    # 隱藏錯(cuò)誤消息，因?yàn)闀?huì)有一堆ALSA和JACK錯(cuò)誤消息，但其實(shí)能正常錄音
    # os.close(sys.stderr.fileno())
    BUTT = 26    # 開始錄音的按鈕：一邊接GPIO26，一邊接地
    GPIO.setmode(GPIO.BCM)
    # 設(shè)GPIO26腳為輸入腳，電平拉高，也就是說26腳一旦讀到低電平，說明按了按鈕
    GPIO.setup(BUTT, GPIO.IN, pull_up_down = GPIO.PUD_UP)
    # wav文件是由若干個(gè)CHUNK組成的，CHUNK我們就理解成數(shù)據(jù)包或者數(shù)據(jù)片段。
    CHUNK = 512 
    FORMAT = pyaudio.paInt16  # pyaudio.paInt16表示我們使用量化位數(shù) 16位來進(jìn)行錄音
    RATE = 16000  # 采樣率1.6k。
    WAVE_OUTPUT_FILENAME = 'command.wav'
    print('請按住按鈕開始錄音...')
    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只支持單聲道
                    rate = RATE,
                    input = True,
                    frames_per_buffer = CHUNK)
    print('錄音中...')
    frames = []
    # 按住按鈕錄音，放開時(shí)結(jié)束
    while GPIO.input(BUTT) == 0:
        data = stream.read(CHUNK)
        frames.append(data)
    print('錄音完成，輸出文件：' + 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
# 可以直接運(yùn)行rec.py進(jìn)行測試，同時(shí)保證該文件import時(shí)不會(huì)自動(dòng)運(yùn)行
if __name__ == '__main__':
    rec_fun()

通過樹莓派一 點(diǎn)亮LED燈：https://www./2020/06/21/raspberry/?from=timeline，我們對樹莓派的陣腳已經(jīng)有了大概了解。
按鈕錄音，是通過按鈕控制陣腳高低電平。在上述代碼里引用```import RPi.GPIO as GPIO```，選擇26號輸出腳和GND。
執(zhí)行后按住按鈕開始錄音，會(huì)在rec.py同目錄下生成command.wav文件。

 二、語音識別

我選擇了百度AIP平臺，使用其語音識別技術(shù)。（當(dāng)然也可使用Google、科大訊飛等平臺）
 1. 申請百度AIP賬號與應(yīng)用
在百度AI開發(fā)平臺：https://ai.baidu.com/?track=cp:aipinzhuan|pf:pc|pp:AIpingtai|pu:title|ci:|kw:10005792注冊賬號，再在控制臺創(chuàng)建一個(gè)新應(yīng)用
2. python調(diào)用百度AIP
官網(wǎng)文檔中有詳細(xì)使用語音識別技術(shù)，包括python的示例。首先導(dǎo)入AipSpeech, 即百度AI語音識別的Python SDK客戶端（```pip3 install baidu-aip```）。附上代碼如下：

from aip import AipSpeech
import os
APP_ID = '你的IDID'
API_KEY = '你的KEYKEY'
SECRET_KEY = '你的secret_key'
# 新建一個(gè) AipSpeech
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 讀取文件
def get_file_content(filePath):   #filePath待讀取文件名
    with open(filePath, 'rb') as fp:
        return fp.read()
# 語音識別
def stt(filename):
    # 識別本地文件
    result = client.asr(get_file_content(filename),
                        'wav',
                        16000,
                        {'dev_pid': 1537,}      # dev_pid 參數(shù)表示識別的語 言類型 1537表示普通話 
                        )
    print (result)
    return result['result']
# 解析返回值，打印語音識別的結(jié)果 
    if result['err_msg']=='success.': 
        word = result['result'][0].encode('utf-8')       # utf-8 編碼 
        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 ('音頻文件不存在或格式錯(cuò)誤') 
    else: 
        print ('錯(cuò)誤') 
# main 函數(shù) 識別本地錄音文件 yahboom.wav 
if __name__ == '__main__':
    stt('command.wav')   # command.wav為待讀取文件，請?zhí)鎿Q

 三、與圖靈機(jī)器人對話

使用圖靈機(jī)器人基本原理就是使用urllib.request模塊，向接口地址發(fā)送HTTP POST請求，請求中加入了聊天內(nèi)容。（返回內(nèi)容是一個(gè)字典）
首先我們需要申請一個(gè)機(jī)器人：官網(wǎng)入口：http://www./
python代碼參考：

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'         #唯一的標(biāo)識，自選即可
        }
    }
    # 將字典格式的req轉(zhuǎn)為utf8編碼的字符串
    req = json.dumps(req).encode('utf8')
    print('\n' + '正在調(diào)用圖靈機(jī)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，輸出為字典格式：')
    response_str = response.read().decode('utf8')
    response_dic = json.loads(response_str)
    intent_code = response_dic['intent']['code'] 
    # 返回網(wǎng)頁類的輸出方式
    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)  # 自帶文件關(guān)閉功能，不需要再寫f.close()
        answer = {'code': intent_code, 'text': results_text, 'url':results_url}
        print(answer)
        return(answer)
    # 一般的輸出方式
    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)  # 自帶文件關(guān)閉功能，不需要再寫f.close()
        print(answer)
        return(answer)
if __name__ == '__main__':
    with open('demo.txt', 'r',encoding='UTF-8') as f:
        text  = f.read()  # 讀取文件
    eg_question = text
    chat(eg_question)

 四、語音合成

我同樣選擇了百度的語音合成（注意，AI平臺新建應(yīng)用后，語音合成技術(shù)需要自行領(lǐng)用。語音識別的key與合成的key不一樣，使用請注意）。示例文檔自行參考，提供參考代碼：
 

#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' + '正在調(diào)用語音合成API...')
    if not isinstance(result,dict):
        with open('answer.mp3','wb') as f:
            f.write(result)
    else:print(result)
    print('播放音頻中...')
    print('以下均為mplayer的輸出內(nèi)容\n')
    os.system('mplayer answer.mp3')
    return
if __name__ == '__main__':   
    with open('result.txt', 'rb') as f: # 打開文件
         text  = f.read()  # 讀取文件       
    eg_text_content = text
    speak(eg_text_content)         

 五、封裝

至此，我們的錄音、識別、對話、合成已經(jīng)完成了，開始對這四個(gè)py文件進(jìn)行封裝。
在封裝時(shí)，增加一個(gè)獲取獲取歌曲直鏈url1.py文件。
一個(gè)簡單的if else 完成了圖靈機(jī)器人對話到在線放歌的切換。
當(dāng)然，讀者還可以進(jìn)一步完善，例如實(shí)現(xiàn)與圖靈機(jī)器人的多次對話直到退出。

需要參考我的全部代碼，可以去我的資源下載