树莓派开发自己的智能语音系统 - 百度语音识别API

trqi2896

上一篇完成了软硬件环境的准备，这个章节将介绍如何借助免费的百度智能云平台API实现语音识别，会涉及一些代码，但是不多，主要是学习如何通过python和百度的API建立连接并返回识别结果，识别的过程不需要你操心，百度云帮你搞定就是了。类似的云平台还有很多，国内主要是百度，科大讯飞，阿里云，国外主要用google和亚马逊的alexa，中文识别的话当然推荐用国内的，如果你想弄一个英语聊天机器人，你最好用国外的。另外如果你想搭建聊天的机器人，推荐使用图灵机器人云平台，免费版的也提供了很多功能。闲话少说，进入正题。

第一步当然是先到云平台上注册，注册完之后你需要创建一个应用，系统会自动生成一个APIKey和SecretKey，如下图：

百度智能云API

这两个key是你连接百度云API的钥匙，所以一定得有。

第二步去图灵机器人网站注册一个账户，和百度云类似，注册后你一样会得到类似以下的东西：





好了，到目前为止，API注册完成，接下来就是如何去调用啦，是不是有点小激动^_^.

因为不是科班出身，在编程上没有那么正规，基本上想到什么写什么，没有认真规划程序的逻辑和架构，虽然没有系统的搭建，既然要写出来给大家看，好歹得整理一下实现的思路才行，不然很容易把大家搞晕，自己也会写晕。好吧，我大概整理了一下。

大概的程序架构，有点乱

大概的框架就是这样，因为这个章节是实现语音识别和对话，所以先看这个模块的程序构成，其中voice.py，voiceAPI.py属于百度提供的连接API的标准程序，只需要该一下上面的Key就行了，当然是改成你自己的。

为了便于后续调用，我把函数封装成Voice类，详细请看voice.py
# -*- coding: utf-8 -*-"""__autor__ : JERRY"""import sysimport os#reload(sys)#sys.setdefaultencoding("utf-8")class Voice: def __init__(self): self.RECORD_PATH = r"./record_voice.wav"#定义录音的路径 def recordVoice(self): print ("开始录音...") os.system('sudo arecord -D "plughw:1" -f S16_LE -r 16000 -d 4 %s'%self.RECORD_PATH) print ("录音结束...")  def recordCMD(self): print ("开始录音...") os.system('sudo arecord -D "plughw:1" -f S16_LE -r 16000 -d 3 %s'%self.RECORD_PATH) print ("录音结束...") def playVoice(self,url): #播放声音 #print url os.system('mpg123 "%s"'%url)#使用mplayer也可以确保系统安装了mpg123.
关于python类函数的调用，请读者自己度娘详情，相信很快了解怎么弄。这里不会详细介绍如何使用python。下面这个程序baiduAPI.py封装了BaiDuAPI类和TuLingAPI类：
# -*- coding: utf-8 -*-"""__autor__ : JERRY"""import sysimport requestsimport jsonimport urllib2import base64import urllibreload(sys)sys.setdefaultencoding("utf-8")class BaiDuAPI: def __init__(self): self.GRANT_TYPE = "client_credentials" self.CLIENT_ID = "你自己的key" #百度应用的 API Key self.CLIENT_SECRET = "你自己的secret" #百度应用的 API Secret self.TOKEN_URL = "https://openapi.baidu.com/oauth/2.0/token" self.RECOGNITION_URL = "http://vop.baidu.com/server_api" self.CUID = "b8-27-eb-be-eb-08" self.RECOGNITION_PATH = r"./record_voice.wav" self.SYNTHESIS_PATH = r"./play_voice.mp3" def getToken(self): #获取access_token body = { "grant_type":self.GRANT_TYPE, "client_id":self.CLIENT_ID, "client_secret":self.CLIENT_SECRET } r = requests.post(self.TOKEN_URL,data=body,verify=True) self.access_token = json.loads(r.text)["access_token"] return self.access_token def voiceRecognition(self): #语音识别 erro_dict = { 3300:"输入参数不正确", 3301:"音频质量过差", 3302:"鉴权失败", 3303:"语音服务器后端问题", 3304:"用户的请求QPS超限", 3305:"用户的日pv（日请求量）超限", 3307:"语音服务器后端识别出错问题", 3308:"音频过长", 3309:"音频数据问题", 3310:"输入的音频文件过大", 3311:"采样率rate参数不在选项里", 3312:"音频格式format参数不在选项里" } f = open(self.RECOGNITION_PATH,"rb") voice_data = f.read() f.close() speech_data = base64.b64encode(voice_data).decode("utf-8") speech_length = len(voice_data) post_data = { "format": "wav", "rate": 16000, "channel": 1, "cuid": self.CUID, "token": self.access_token, "speech": speech_data, "len": speech_length } json_data = json.dumps(post_data).encode("utf-8") json_length = len(json_data) req = urllib2.Request(self.RECOGNITION_URL, data=json_data) req.add_header("Content-Type", "application/json") req.add_header("Content-Length", json_length) resp = urllib2.urlopen(req) resp = resp.read() resp_data = json.loads(resp.decode("utf-8")) try: recognition_result = resp_data["result"][0] print (recognition_result) return recognition_result except: print (erro_dict[resp_data["err_no"]]) return False def voiceSynthesis(self,word): #语音合成 token = self.access_token cuid = self.CUID word = urllib.quote(word.encode("utf8")) url = "http://tsn.baidu.com/text2audio?tex="+word+"&lan=zh&cuid="+cuid+"&ctp=1&tok="+token+"&per=4" #urllib.urlretrieve(url,self.SYNTHESIS_PATH) ''' voice_data = urllib2.urlopen(url).read() voice_fp=open(filename,'wb+') voice_fp.write(voice_data) voice_fp.close() ''' return urlclass TurLingAPI: def __init__(self): self.Tuling_API_KEY = "你自己的key" self.URL = "http://www.tuling123.com/openapi/api" def turlingReply(self,word): #图灵获取回复 body = {"key": self.Tuling_API_KEY, "info": word.encode("utf-8")} res = requests.post(self.URL, data=body, verify=True) if res: date = json.loads(res.text) print (date["text"]) return date["text"] else: print ("对不起,未获取到回复信息") return False
以上程序除了key之外，不需要改动，直接调用类函数即可。你可以在树莓派上测试一下是否可以实现，以下是测试代码：
# -*- coding: utf-8 -*-"""__autor__ : Jerry zhong"""from voice import Voiceimport voiceAPIimport sys,osimport random#调用类voice = Voice()baiduAPI = voiceAPI.BaiDuAPI()turlingAPI = voiceAPI.TurLingAPI()baiduAPI.getToken()#定义对话函数def dialogue(text): url = baiduAPI.voiceSynthesis(text) voice.playVoice(url)#定义一个聊天函数def talk(): while True: voice.recordVoice()#开始录音5秒 try: recognition_result = baiduAPI.voiceRecognition()#返回识别结果 except: print("connection issue happened.") continue #return recognition_result #返回识别结果 don't use it otherwise exit the while the following code will not execute. if recognition_result:#返回识别结果为真 try: reply_result = turlingAPI.turlingReply(recognition_result)#调用图灵聊天机器人 except:#处理网络异常 print("connection issue happened.") continue if reply_result:#返回聊天结果为真时合成声音并播放 url = baiduAPI.voiceSynthesis(reply_result) voice.playVoice(url) else: dialogue(random.choice(["嗯，不知道该怎么回答呢","超出我的认知范围了","我的大脑短路了，哎","你得耐心点，网络不好"])) else: #返回识别结果为假 talk_num +=1  if talk_num >2: #超过3次无法获取应答，退出聊天 break else: continue dialogue(random.choice(["有事再叫我！","嗯，我先闪了","嗯，下次再聊","再见咯"]))#如果超时没有回应退出#直接调用运行主程序结束按ctr+ctalk()
如果你的程序不能运行，可能缺少笔必要的库，或者语法问题，自己仔细检查，编程就是如此，反复测试直到通过为止。当你发现识别和合成都没有问题时，恭喜你已经成功一半了。接下来我们要让她实现跟多的功能，不然只是和机器人尬聊感觉很傻。


声明：以上内容来源于网络，如有侵权请联系我们(123@shiyan.com)删除！

不希望就不失望

不开源的不要！

敬你

早就用java实现过了

123456806

转发了

小妖花满楼满fx

转发了

不是小号

转发了