App下載

30行Python代碼打造一款簡(jiǎn)單的人工語(yǔ)音對(duì)話

猿友 2021-07-21 15:35:28 瀏覽數(shù) (2486)
反饋

1876年,我們發(fā)明了電話,我們可以通過電線傳輸音頻,隔年我們又發(fā)明了留聲機(jī),成功地實(shí)現(xiàn)了聲音的記錄和播放。1952年,貝爾實(shí)驗(yàn)室實(shí)現(xiàn)了一個(gè)可以識(shí)別數(shù)字的語(yǔ)音識(shí)別軟件,1985年,IBM實(shí)現(xiàn)了一個(gè)可以識(shí)別1000個(gè)單詞的軟件。在聲音的識(shí)別上,我們一直在前進(jìn)。在人聲識(shí)別的應(yīng)用上,人工語(yǔ)音對(duì)話,智能應(yīng)答,語(yǔ)音輸入等功能已經(jīng)相當(dāng)常見,這都得益于各種第三方包的實(shí)現(xiàn)。如今,在Python中Tensorflow,Keras,Librosa,Kaldi和語(yǔ)音轉(zhuǎn)文本API等多種第三方庫(kù)和api使語(yǔ)音識(shí)別和操作變得更加容易。今天小編帶來的就是使用gtts和speech_recognition實(shí)現(xiàn)的一個(gè)簡(jiǎn)單的人工語(yǔ)音對(duì)話。思路就是將語(yǔ)音轉(zhuǎn)文本,經(jīng)過一定的邏輯操作后,輸出對(duì)應(yīng)文本,然后再將文本轉(zhuǎn)語(yǔ)音輸出。話不多說,來看操作吧!

gtts

gtts是將文字轉(zhuǎn)化為語(yǔ)音,但是需要在VPN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(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(yǔ)音輸入的代碼

文檔介紹

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(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(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()

運(yùn)行結(jié)果

當(dāng)我說how are you?會(huì)彈出I am fine的mp3

運(yùn)行結(jié)果

當(dāng)我說where is Chiana?會(huì)彈出Hold on Runsen, I will show you where China is.的MP3

運(yùn)行結(jié)果

同樣也會(huì)彈出China的谷歌地圖

運(yùn)行截圖

本項(xiàng)目對(duì)應(yīng)的Github

小結(jié)

以上就是30行Python代碼打造一款簡(jiǎn)單的人工語(yǔ)音對(duì)話的詳細(xì)介紹,更多Python學(xué)習(xí)內(nèi)容和人工語(yǔ)音對(duì)話的資料請(qǐng)關(guān)注W3Cschool其它相關(guān)文章!

0 人點(diǎn)贊