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(guò)電線傳輸音頻。托馬斯·愛(ài)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(yǔ)音識(shí)別軟件之一是由Bells Labs在1952年編寫(xiě)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(yǔ)音轉(zhuǎn)文本API等多種工具使語(yǔ)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(guò)三十行代碼，打造一款簡(jiǎn)單的人工語(yǔ)音對(duì)話。思路就是將語(yǔ)音變成文本，然后文本變成語(yǔ)音。

gtts

gtts是將文字轉(zhuǎn)化為語(yǔ)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,)

    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(tīng)到了Hi Runsen, what can I do for you?。這個(gè)MP3會(huì)自動(dòng)彈出來(lái)的。

speech_recognition

speech_recognition用于執(zhí)行語(yǔ)音識(shí)別的庫(kù)，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(guò)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(lái)自麥克風(fēng)的語(yǔ)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(lèi)似的接口。

import time

import speech_recognition as sr

# 錄下來(lái)你講的話

def recordAudio():

    # 用麥克風(fēng)記錄下你的話

    print("開(kāi)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(shuō)的英語(yǔ)

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(shuō)how are you，那回答"I am fine”，然后將"I am fine”通過(guò)gtts是將文字轉(zhuǎn)化為語(yǔ)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(lái)AI的話

def speak(audioString):

    print(audioString)

    tts = gTTS(text=audioString,)

    tts.save("audio.mp3")

    os.system("audio.mp3")

# 錄下來(lái)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(kāi)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(shuō)how are you?會(huì)彈出I am fine的mp3

當(dāng)我說(shuō)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

文章來(lái)源：網(wǎng)絡(luò)  版權(quán)歸原作者所有

上文內(nèi)容不用于商業(yè)目的，如涉及知識(shí)產(chǎn)權(quán)問(wèn)題，請(qǐng)權(quán)利人聯(lián)系小編，我們將立即處理