快捷導(dǎo)航

Python人工智能之路之PyAudio 實現(xiàn)錄音自動化交互實現(xiàn)問答

更新時間：2019年08月13日 09:59:19 作者：DragonFire

關(guān)于音頻, PyAudio 這個庫, 可以實現(xiàn)開啟麥克風(fēng)錄音, 可以播放音頻文件等等。文章介紹了如何使用Python第三方庫PyAudio進行麥克風(fēng)錄音然后自動播放已經(jīng)合成的語音實現(xiàn)語音交互回答,需要的朋友可以參考下

Python 很強大其原因就是因為它龐大的三方庫 , 資源是非常的豐富 , 當(dāng)然也不會缺少關(guān)于音頻的庫

關(guān)于音頻, PyAudio 這個庫, 可以實現(xiàn)開啟麥克風(fēng)錄音, 可以播放音頻文件等等,此刻我們不去了解其他的功能,只了解一下它如何實現(xiàn)錄音的

首先要先 pip 一個 PyAudio

pip install pyaudio

一.PyAudio 實現(xiàn)麥克風(fēng)錄音

然后建立一個py文件,復(fù)制如下代碼

import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2
WAVE_OUTPUT_FILENAME = "Oldboy.wav"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
    channels=CHANNELS,
    rate=RATE,
    input=True,
    frames_per_buffer=CHUNK)
print("開始錄音,請說話......")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
 data = stream.read(CHUNK)
 frames.append(data)
print("錄音結(jié)束,請閉嘴!")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()

嘗試一下,在目錄中出現(xiàn)了一個 Oldboy.wav 文件 , 聽一聽,還是很清晰的嘛

接下來,我們將這段錄音代碼,寫在一個函數(shù)里面,如果要錄音的話就調(diào)用

建立一個文件 pyrec.py 并將錄音代碼和函數(shù)寫在內(nèi)

# pyrec.py 文件內(nèi)容
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2
def rec(file_name):
 p = pyaudio.PyAudio()
 stream = p.open(format=FORMAT,
     channels=CHANNELS,
     rate=RATE,
     input=True,
     frames_per_buffer=CHUNK)
 print("開始錄音,請說話......")
 frames = []
 for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
  data = stream.read(CHUNK)
  frames.append(data)
 print("錄音結(jié)束,請閉嘴!")
 stream.stop_stream()
 stream.close()
 p.terminate()
 wf = wave.open(file_name, 'wb')
 wf.setnchannels(CHANNELS)
 wf.setsampwidth(p.get_sample_size(FORMAT))
 wf.setframerate(RATE)
 wf.writeframes(b''.join(frames))
 wf.close()

rec 函數(shù)就是我們調(diào)用的錄音函數(shù),并且給他一個文件名,他就會自動將聲音寫入到文件中了

二.實現(xiàn)音頻格式自動轉(zhuǎn)換并調(diào)用語音識別

錄音的問題解決了,趕快和百度語音識別接在一起使用一下:

不管你的錄音有多么多么清晰,你發(fā)現(xiàn)百度給你返回的永遠(yuǎn)是:

{'err_msg': 'speech quality error.', 'err_no': 3301, 'sn': '6397933501529645284'} # 音質(zhì)不清晰

其實不是沒聽清,而是百度支持的音頻格式PCM搞的鬼

所以,我們要將錄制的wav音頻文件轉(zhuǎn)換為pcm文件

寫一個文件 wav2pcm.py 這個文件里面的函數(shù)是專門為我們轉(zhuǎn)換wav文件的

使用 os 模塊中的 os.system()方法這個方法是執(zhí)行系統(tǒng)命令用的, 在windows系統(tǒng)中的命令就是 cmd 里面寫的東西,dir , cd 這類的命令

# wav2pcm.py 文件內(nèi)容
import os
def wav_to_pcm(wav_file):
 # 假設(shè) wav_file = "音頻文件.wav"
 # wav_file.split(".") 得到["音頻文件","wav"] 拿出第一個結(jié)果"音頻文件" 與 ".pcm" 拼接 等到結(jié)果 "音頻文件.pcm"
 pcm_file = "%s.pcm" %(wav_file.split(".")[0])
 # 就是此前我們在cmd窗口中輸入命令,這里面就是在讓Python幫我們在cmd中執(zhí)行命令
 os.system("ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s"%(wav_file,pcm_file))
 return pcm_file

這樣我們就有了把wav轉(zhuǎn)為pcm的函數(shù)了 , 再重新構(gòu)建一次咱們的代碼

這次的返回結(jié)果還挺讓人滿意的嘛

{'corpus_no': '6569869134617218414', 'err_msg': 'success.', 'err_no': 0, 'result': ['老男孩教育'], 'sn': '8116162981529666859'}

拿到語音識別的字符串了,接下來用這段字符串語音合成, 學(xué)習(xí)咱們說出來的話

三.語音合成與 FFmpeg 播放mp3 文件

拿到字符串了,直接調(diào)用synthesis方法去合成吧

這段代碼銜接上一段代碼,成功獲得了 synth.mp3 音頻文件,并且確定了實在學(xué)習(xí)我們說的話

接下來就是讓我們的程序自動將 synth.mp3 音頻文件播放了其實PyAudio 有播放的功能,但是操作有點復(fù)雜

所以我們還是選擇用簡單的方式解決復(fù)雜的問題,就是這么簡單粗暴,是否還記得FFmpeg 呢?

FFmpeg 這個系統(tǒng)工具中,有一個 ffplay 的工具用來打開并播放音頻文件的,使用方法大概是: ffplay 音頻文件.mp3

建立一個playmp3.py文件, 寫一個 play_mp3 的函數(shù)用來播放已經(jīng)合成的語音

# playmp3.py 文件內(nèi)容
import os
def play_mp3(file_name):
 os.system("ffplay %s"%(file_name))

回到主文件,調(diào)用playmp3.py文件中的 play_mp3 函數(shù)

執(zhí)行代碼,當(dāng)你看到 : 開始錄音,請說話......

請大聲的說出: 學(xué)IT 找老男孩教育

然后你就會聽到,一個嬌滴滴聲音重復(fù)你說的話

四.簡單問答

首先我們要把代碼重新梳理一下:

把語音合成語音識別部分的代碼獨立成函數(shù)放到baidu_ai.py文件中

# baidu_ai.py 文件內(nèi)容
from aip import AipSpeech
# 這里的三個參數(shù),對應(yīng)在百度語音創(chuàng)建的應(yīng)用中的三個參數(shù)
APP_ID = "xxxxx"
API_KEY = "xxxxxxx"
SECRET_KEY = "xxxxxxxx"
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def audio_to_text(pcm_file):
 # 讀取文件 , 終于得到了PCM文件
 with open(pcm_file, 'rb') as fp:
  file_context = fp.read()
 # 識別本地文件
 res = client.asr(file_context, 'pcm', 16000, {
  'dev_pid': 1536,
 })
 # 從字典里面獲取"result"的value 列表中第1個元素,就是識別出來的字符串"老男孩教育"
 res_str = res.get("result")[0]
 return res_str
def text_to_audio(res_str):
 synth_file = "synth.mp3"
 synth_context = client.synthesis(res_str, "zh", 1, {
  "vol": 5,
  "spd": 4,
  "pit": 9,
  "per": 4
 })
 with open(synth_file, "wb") as f:
  f.write(synth_context)
 return synth_file

然后把我們的主文件進行一下修改

import pyrec # 錄音函數(shù)文件
import wav2pcm # wav轉(zhuǎn)換pcm 函數(shù)文件
import baidu_ai # 語音合成函數(shù),語音識別函數(shù) 文件
import playmp3 # 播放mp3 函數(shù) 文件
pyrec.rec("1.wav") # 錄音并生成wav文件,使用方式傳入文件名
pcm_file = wav2pcm.wav_to_pcm("1.wav") # 將wav文件 轉(zhuǎn)換成pcm文件 返回 pcm的文件名
res_str = baidu_ai.audio_to_text(pcm_file) # 將轉(zhuǎn)換后的pcm音頻文件識別成 文字 res_str
synth_file = baidu_ai.text_to_audio(res_str) # 將res_str 字符串 合成語音 返回文件名 synth_file
playmp3.play_mp3(synth_file) # 播放 synth_file

然后就是大展宏圖的時候了,展開你們的想象力:

res_str 是字符串,如果字符串等于"你叫什么名字"的時候,我們就要給他一個回答:我的名字叫老男孩教育

新建一個FAQ.py的文件然后建立一個函數(shù)faq:

# FAQ.py 文件內(nèi)容
def faq(Q):
 if Q == "你叫什么名字": # 問題
  return "我的名字是老男孩教育" # 答案
　　return "我不知道你在說什么" #問題沒有答案時返

在主文件中導(dǎo)入這個函數(shù),并將語音識別后的字符串傳入函數(shù)中

現(xiàn)在來嘗試一下:"你叫什么名字","你今年幾歲了"

成功了,現(xiàn)在你可以對 FAQ.py 這個文件進行更多的問題匹配了

還是那句話,別玩兒壞了

思考題:

1.如何實現(xiàn)一直問答不用問一次停一次?

2.問題那么多,是不是要寫這么多問題呢?

3.如果我問你是誰,是不是要重復(fù)也一次我的名字叫老男孩教育的答案呢?

總結(jié)

以上所述是小編給大家介紹的Python人工智能之路之PyAudio 實現(xiàn)錄音自動化交互實現(xiàn)問答 ,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！

您可能感興趣的文章: