前言

在不遠(yuǎn)的將來(lái)，實(shí)現(xiàn)一定程度上的語(yǔ)音支持將成為日常科技的基本要求，整合了語(yǔ)音識(shí)別的python程序提供了其他技術(shù)無(wú)法比擬的交互性和可訪問性。最重要的是，在python程序中實(shí)現(xiàn)語(yǔ)音識(shí)別非常簡(jiǎn)單。整個(gè)代碼實(shí)現(xiàn)下來(lái)還不到150行。

原理簡(jiǎn)介

許多現(xiàn)代語(yǔ)音識(shí)別系統(tǒng)會(huì)在HMM識(shí)別之前使用神經(jīng)網(wǎng)絡(luò)，通過特征變換和降維技術(shù)來(lái)簡(jiǎn)化語(yǔ)音信號(hào)，也可以使用語(yǔ)音活動(dòng)檢測(cè)器將音頻信號(hào)減少到可能包含語(yǔ)音的部分。

幸運(yùn)的是，對(duì)于python來(lái)講，一些語(yǔ)音識(shí)別的服務(wù)可通過API在線使用，且其中大部分也提供了Python SDK。

本文做的聊天機(jī)器人是基于百度語(yǔ)音識(shí)別和圖靈機(jī)器人二者之上共同實(shí)現(xiàn)的。大致的流程如下圖：

原理流程圖.PNG

這里需要用的模塊庫(kù)有 requests、time、datetime、pyaudio、wave、aipspeech 等。

話不多說(shuō)，上代碼：

##@氫立方 2018.0911import requestsimport timeimport pygamefrom datetime import datetimefrom aip import AipSpeechfrom pyaudio import PyAudio,paInt16import waveimport osframerate=8000NUM_SAMPLES=2000channels=1sampwidth=2TIME=2def save_wave_file(filename,data):  '''save the date to the wavfile'''  wf=wave.open(filename,'wb')  wf.setnchannels(channels)  wf.setsampwidth(sampwidth)  wf.setframerate(framerate)  wf.writeframes(b"".join(data))  wf.close()def my_record():  pa=PyAudio()  stream=pa.open(format = paInt16,channels=1,          rate=framerate,input=True,          frames_per_buffer=NUM_SAMPLES)  my_buf=[]  count=0  while count<TIME*6:#控制錄音時(shí)間    string_audio_data = stream.read(NUM_SAMPLES)    my_buf.append(string_audio_data)    count+=1    print('.')  save_wave_file('0001.wav',my_buf)  stream.close()##def play():##  wf=wave.open(r"D:/41125.mp3",'rb')##  p=PyAudio()##  stream=p.open(format=p.get_format_from_width(wf.getsampwidth()),channels=##  wf.getnchannels(),rate=wf.getframerate(),output=True)##  while True:##    data=wf.readframes(chunk)##    if data=="":break##    stream.write(data)##  stream.close()##  p.terminate()##這里大家需要改成自己的ID和KEYAPP_ID = '11****843'API_KEY = '3Mnv***8**88******GbXa'SECRET_KEY = '147***8*88****1227684'aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)def getText(url):  text = requests.post(url).json()  return text['text']####key = '6ddc57c5761a4c62a30ea840e5ae163f'#api = 'http://www.tuling123.com/openapi/api?key=' + key +'&info ='key = '8b005db5f57556fb96dfd98fbccfab84' api = 'http://www.tuling123.com/openapi/api?key=' + key + '&info=' ##while True:  ##  info = input("我說(shuō)/n") ##  chunk=2014  my_record()  print("錄音完成")      def get_file_content(filePath):    with open(filePath,'rb') as fp:      return fp.read()      a = aipSpeech.asr(get_file_content('0001.wav '),'wav',8000,{})  print(a)  b = str(a['result'])  info = b    url = api + info  #print(url)  text_01 = getText(url)  print("機(jī)器人回/n",text_01)  now = datetime.now().strftime("%Y-%m-%d_%H_%M_%S")  filename_01 = now + ".mp3"  result = aipSpeech.synthesis(  text_01,'zh',1,{'vol': 5,'per' : 2} )    if not isinstance(result, dict):        with open(filename_01, 'wb') as f:      f.write(result)  print("--------------------------------------")  time.sleep(1)      pygame.mixer.init()  print("語(yǔ)音1")  file= filename_01  track = pygame.mixer.music.load(file)  pygame.mixer.music.play()  time.sleep(15)  pygame.mixer.music.stop()  pygame.quit()