| python实现类似Siri的AI语音聊天机器人（需要图灵机器人和百度语音合成的API） | 您所在的位置：网站首页 › 聊天app机器人 › python实现类似Siri的AI语音聊天机器人（需要图灵机器人和百度语音合成的API） |
python实现类似Siri的AI语音聊天机器人（需要图灵机器人和百度语音合成的API）
|
程序简介：模仿Siri，参考微信公众号：学习python的正确姿势，在语音播放和搜索的基础上，增加了语音输入和打开常用软件功能。 一、配置 Windows10系统python3.7pycharm（其实这些都不重要） 二、主要体系框架 （1）图灵机器人API自己做一个生动的能聊天的机器人太麻烦了，不过图灵机器人已经帮我们做好了，而且提供了开放的接口，我们注册一个，使用它的接口就可以轻松实现，链接在下方： 图灵机器人官网 注册登录后，如下图所示创建机器人 创建好后你就拥有了这样一个语音聊天机器人： 你还可以在“人物设置”栏里设置它的名字，性别，年龄之类的 还挺别致。。 运行一下： 同样百度提供了开放的语音合成API，我们也注册一个吧，很简单，网址： 百度智能云官网 方法和上面图灵机器人差不多 注册完成之后是这样的： 首先要下载它的库： pip3 install baidu-api然后我们给他定义成方法，传入参数text为要语音合成的文字 import os import playsound # 播放音频的库 from aip import AipSpeech # 百度语音的api """ 你的 APPID AK SK """ APP_ID = '！！！你的 App ID！！！' API_KEY = '！！！你的 Api Key！！！' SECRET_KEY = '！！！你的 Secret Key！！！' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 语音合成 def speak_(text): result = client.synthesis(text, 'zh', 1, { 'vol': 5, 'per': 0, 'spd': 5, 'pit': 5 }) # 识别正确返回语音二进制 错误则返回dict 参照下面错误码 if not isinstance(result, dict): with open('audio.mp3', 'wb') as f: f.write(result) playsound.playsound('audio.mp3') # 播放 os.remove('audio.mp3') # 放完后删除音频文件，否则第二次会无法写入再在respond(data)方法最后一行调用speak_(text)即可播放语音 （3）键盘监听+录音+保存wav文件语音输入这部分我想实现的目标功能是：按一下键盘空格键开始录音，再按一下空格键录音结束，然后保存为一个.wav文件 1. 键盘监听键盘监听我用的是pynput库 基本用法： from pynput.keyboard import Listener def check_input(): with Listener(on_press=press) as listener: listener.join() def press(key): # print(key.char) # 按下键盘的操作,例如打印出按下的字符 pass 2. 录音录音我用的是pyaudio库 基本用法： import pyaudio """pyaudio参数""" CHUNK = 1024 # 数据包或者数据片段 FORMAT = pyaudio.paInt16 # pyaudio.paInt16表示我们使用量化位数 16位来进行录音 CHANNELS = 1 # 声道，1为单声道，2为双声道 RATE = 16000 # 采样率，每秒钟16000次 # RECORD_SECONDS = 5 # 录音时间 def recoder(): _frames = [] p = pyaudio.PyAudio() stream = p.open(channels=CHANNELS, format=FORMAT, rate=RATE, input=True, frames_per_buffer=CHUNK) while 1: data = stream.read(CHUNK) _frames.append(data) stream.stop_stream() stream.close() p.terminate()需要注意的是，后面用到的百度语音识别双声道识别效果很差，设置单声道后就很好了，所以设置CHANNELS=1 还有后面用到的百度语音识别只支持16000采样率，所以RATE设置为16000 3. 保存.wav文件用到wave库 结合pyaudio,基本用法： import wave import pyaudio """pyaudio参数""" CHUNK = 1024 # 数据包或者数据片段 FORMAT = pyaudio.paInt16 # pyaudio.paInt16表示我们使用量化位数 16位来进行录音 CHANNELS = 1 # 声道，1为单声道，2为双声道 RATE = 16000 # 采样率，每秒钟16000次 # RECORD_SECONDS = 5 # 录音时间 def recoder(): _frames = [] p = pyaudio.PyAudio() stream = p.open(channels=CHANNELS, format=FORMAT, rate=RATE, input=True, frames_per_buffer=CHUNK) while 1: data = stream.read(CHUNK) _frames.append(data) stream.stop_stream() stream.close() p.terminate() # 保存wav文件 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() # print("Saved") （4）百度语音识别API有了使用语音合成API的基础，用语音识别API就很easy 前面是一样的，所以我把他写在方法外，可以公用： from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '你的 App ID' API_KEY = '你的 Api Key' SECRET_KEY = '你的 Secret Key' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)后面就是语音识别，传入的参数是音频文件的二进制码，文件格式（我们用的是wav），采样率（只能用16000，所以前面的录音必须设置RATE为16000），语言类别（默认1537，普通话）。 # 读取文件 def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() # 识别本地文件 client.asr(get_file_content(WAVE_OUTPUT_FILENAME), 'wav', 16000, { 'dev_pid': 1537, })WAVE_OUTPUT_FILENAME就是我们刚才录音保存的文件名。 （5）浏览器搜索 + 打开常用软件功能 1. 浏览器搜索打开浏览器，我们需要用到：webbrowser库， 没有的话自己pip安装一下 基本用法： url = "www.baidu.com" webbrowser.get().open(url)我们前面已经能通过语音得到我们说的话text，当我们说的话text中有“搜索”两个字时，打开百度并搜索我们要搜的内容，实现代码： if '搜索' in text: _, keywords = text.split('搜索') url = 'https://www.baidu.com/s?wd=' + keywords webbrowser.get().open(url) else: ... 2. 打开常用软件windows打开软件有很多方法，参考：Python中四种运行其他程序的方式 我用的是win32api库，基本用法： ShellExecute(hwnd, op, file, args, dir, show) hwnd: 父窗口的句柄，如果没有父窗口，则为0op : 要运行的操作，为open,print或者为空file: 要运行的程序，或者打开的脚本args: 要向程序传递的参数，如果打开的是文件则为空dir : 程序初始化的目录show: 是否显示窗口盘他： if '搜索' in data: ... elif '打开' in data: _, name = data.split('打开') # print(name) if '网易云' in name: win32api.ShellExecute(0, 'open', 'D:\App\CloudMusic\cloudmusic.exe', '', '', 1) # 打开网易云， elif 'QQ' in name or 'qq' in name: win32api.ShellExecute(0, 'open', r'D:\App\QQ\Bin\QQScLauncher.exe', '', '', 1) # 打开QQ elif '微信' in name: win32api.ShellExecute(0, 'open', r'D:\App\WeChat\WeChat.exe', '', '', 1) # 打开微信 三、综合实现：为了实现目标功能，还涉及到多线程，将键盘监听单独占用一个线程，设置run，初始值为False，当按下空格时，run变为True，再次按下时，run变为False，以此类推，当run为True时，开始录音，run为False时，录音结束。 运行效果图：（语音输入，语音输出） 全部完整代码： （代码中api_key之类的要用你自己的噢） import webbrowser import requests import json import playsound import os import win32api import pyaudio import wave import threading from aip import AipSpeech from pynput.keyboard import Listener prologue = '主人您好，我是Niubility，爱你哦~' # 开场白 """图灵机器人API""" urls = 'http://openapi.tuling123.com/openapi/api/v2' key = '**********' api_key = '********************' count = 1 # 计数 run = False """pyaudio参数""" CHUNK = 1024 # 数据包或者数据片段 FORMAT = pyaudio.paInt16 # pyaudio.paInt16表示我们使用量化位数 16位来进行录音 CHANNELS = 1 # 声道，1为单声道，2为双声道 RATE = 16000 # 采样率，每秒钟16000次 # RECORD_SECONDS = 5 # 录音时间 WAVE_OUTPUT_FILENAME = "output.wav" # 保存录音文件名 """ 你的 APPID AK SK """ APP_ID = '**********' API_KEY = '********************' SECRET_KEY = '********************' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 百度语音接口 def recoder(): _frames = [] global run p = pyaudio.PyAudio() stream = p.open(channels=CHANNELS, format=FORMAT, rate=RATE, input=True, frames_per_buffer=CHUNK) while run: data = stream.read(CHUNK) _frames.append(data) 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() # print("Saved") # 按键按下空格时控制录音功能开关 def press(key): global run try: # print(str(key)) if str(key) == 'Key.space': run = not run # print(run) except AttributeError as e1: print(e1) pass # 监听键盘 def check_input(): with Listener(on_press=press) as listener: listener.join() # 读取录音文件字节码 def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() # 识别录音,语音转文字 def lic(): res = client.asr(get_file_content(WAVE_OUTPUT_FILENAME), 'wav', 16000, { 'dev_pid': 1537, }) text = res['result'][0] # print(text) return text # 语音合成 def speak_(text): result = client.synthesis(text, 'zh', 1, { 'vol': 5, 'per': 0, 'spd': 5, 'pit': 5 }) # 识别正确返回语音二进制 错误则返回dict 参照下面错误码 if not isinstance(result, dict): with open('audio.mp3', 'wb') as f: f.write(result) playsound.playsound('audio.mp3') os.remove('audio.mp3') # 第一层判别 def respond(data): if '歌' in data: douban_rul = 'https://douban.fm/' webbrowser.get().open(douban_rul) elif '搜索' in data: _, keywords = data.split('搜索') baidu_url = 'https://www.baidu.com/s?wd=' + keywords webbrowser.get().open(baidu_url) elif '打开' in data: _, name = data.split('打开') # print(name) if '网易云' in name: win32api.ShellExecute(0, 'open', 'D:\App\CloudMusic\cloudmusic.exe', '', '', 1) # 打开网易云 elif 'QQ' in name or 'qq' in name: win32api.ShellExecute(0, 'open', r'D:\App\QQ\Bin\QQScLauncher.exe', '', '', 1) # 打开QQ elif '微信' in name: win32api.ShellExecute(0, 'open', r'D:\App\WeChat\WeChat.exe', '', '', 1) # 打开微信 else: data_dict = { "reqType":0, "perception": { "inputText": { "text": data }, }, "userInfo": { "apiKey": api_key, "userId": "！！！你自己的userId！！！ " } } result = requests.post(urls, json=data_dict) content = (result.content).decode('utf-8') # print(content) ans = json.loads(content) text = ans['results'][0]['values']['text'] print('Niubility:',text) speak_(text) if __name__ == '__main__': print('Niubility:', prologue) speak_(prologue) print('{}//你:按 空格 键开始说话...'.format(count), end=' ') t1 = threading.Thread(target=check_input,args=()) # 监听键盘 t1.start() while 1: if run is True: print('\r{}//你:正在听呢，说完了请再按 空格 键...'.format(count), end=' ') recoder() text2 = lic() print('\r{}//你:'.format(count),text2) respond(text2) count += 1 print('{}//你:按 空格 键开始说话...'.format(count), end=' ') |
这个不重要，我们看看它的API使用文档，了解一下怎么用的 
嗯，好像很简单的亚子！ 不管了，赶紧来试一下。。
阔以阔以！！！ 第一步，图灵机器人API就这样解决了，下一步！ (图灵未认证用户一天只能聊三句话，认证之后一天可以聊100句，我们只要学习它的用法就可以了)
查阅官方文档，用法差不多，有语音合成和语音识别两种，我们这里先完成语音合成吧，官方文档整理的很好： 
试一下
【本文地址】
公司简介
联系我们