【语音智能管家】之语音唤醒(附演示视频)
目录
一.语音唤醒引擎(snowboy)
1.获取源代码并编译
2.自定义自己的唤醒词(唤醒词:小贝)
3.测试
二、自定义响应
三、实现了智能语音音响--听音乐
后续延伸
【加群获取学习资料QQ群:901381280】
我设计的语音智能管家是部署在树莓派上的,所以现在先列一下大概的硬件:
- 树莓派4b+ x1
- 麦克风
- usb声卡
- u任意一个支持树莓派的音频输出设备(3.5mm孔的 或者一些蓝牙设备)
usb声卡
树莓派4b+
备注:树莓派上面那个是摄像头(后面视频监控和人脸识别会用到,所以就安上了)
ok,进入正题,开始干货
一.语音唤醒引擎(snowboy)
这里我选择使用开源的snowboy开源引擎(好处:免费,还可以自定义唤醒词:比如我自定义的唤醒词是:小贝)
snowboy 是一个开源的、轻量级语音唤醒引擎,可以通过它很轻松地创建属于自己的类似“hey, Siri” 的唤醒词。它的主要特性如下:
- 高度可定制性。可自由创建和训练属于自己的唤醒词
- 始终倾听。可离线使用,无需联网,保护隐私。精确度高,低延迟
- 轻量可嵌入。耗费资源非常低(单核 700MHz 树莓派只占用 10% CPU)
- 开源跨平台。开放源代码,支持多种操作系统和硬件平台,可绑定多种编程语言
接下来开始如何使用snowboy以及怎么部署到树莓派。
1.获取源代码并编译
安装依赖
树莓派原生的音频设备是不支持语音输入的(无法录音),需要在网上购买一支免驱动的USB音频驱动(便携式的和 U 盘差不多),一般插上即可直接使用。
建议安装下 pulseaudio
软件,减少音频配置的步骤:
$ sudo apt-get install pulseaudio
安装 sox
软件测试录音与播放功能:
$ sudo apt-get install sox
安装完成后运行 sox -d -d
命令,对着麦克风说话,确认可以听到自己的声音。
安装其他软件依赖:
安装 PyAudio:$ sudo apt-get install python3-pyaudio
安装 SWIG(>3.0.10):$ sudo apt-get install swig
安装 ATLAS:$ sudo apt-get install libatlas-base-dev
编译源代码
获取源代码:
$ git clone https://github.com/Kitt-AI/snowboy.git
PS:官方源代码使用 Python3 测试有报错,经测试需修改
snowboy/examples/Python3
目录下的 snowboydecoder.py
文件。
将第 5 行代码 from * import snowboydetect
改为 import snowboydetect
即可直接运行。
备注:网上很多教程是make之后再修改,这种情况是不成功的,因为make后会生成配置文件,你这时候改了不起效果,因此先修改,在执行下一步的make。
编译 Python3 绑定:
$ cd snowboy/swig/Python3 && make
测试:
进入官方示例目录 snowboy/examples/Python3
并运行以下命令:
$ python3 demo.py resources/models/snowboy.umdl
( 命令中的 snowboy.umdl
文件即语音识别模型)
然后对着麦克风清晰地讲出“snowboy”,如果可以听到“滴”的声音,则安装配置成功。命令行输出如下:
2.自定义自己的唤醒词(唤醒词:小贝)
可将包含自定义唤醒词的音频文件上传至 snowboy 官网:https://snowboy.kitt.ai/dashboard(需要登录),以训练生成自己喜欢的语音模型。
需要上传的音频文件数量为 3 个,wav 格式。我试过直接在线录制,貌似有 Bug ,这里建议大家录制好wav音频上传(录唤醒词)
训练完成并测试通过后,即可下载 PMDL 后缀的模型文件了。
3.测试
将以下文件复制到自己的项目目录下(snowboy/examples/Python3
目录下的 demo.py
、snowboydecoder.py
、snowboydetect.py
文件以及 resources
目录):
- 在项目目录下执行
$ python3 demo.py 小贝.pmdl
- 并使用自己的唤醒词进行测试
二、自定义响应
官方提供的示例 demo.py
文件的源代码如下:
import snowboydecoder
import sys
import signalinterrupted = Falsedef signal_handler(signal, frame):global interruptedinterrupted = Truedef interrupt_callback():global interruptedreturn interruptedif len(sys.argv) == 1:print("Error: need to specify model name")print("Usage: python demo.py your.model")sys.exit(-1)model = sys.argv[1]# capture SIGINT signal, e.g., Ctrl+C
signal.signal(signal.SIGINT, signal_handler)detector = snowboydecoder.HotwordDetector(model, sensitivity=0.5)
print('Listening... Press Ctrl+C to exit')# main loop
detector.start(detected_callback=snowboydecoder.play_audio_file,interrupt_check=interrupt_callback,sleep_time=0.03)detector.terminate()
通过唤醒词可以听到ding的一声,但是我想通过唤醒词唤醒后,能够进行回应。因此我自定义了回应操作,比如回应:哎,我在或者我来啦
在回调函数这里,我自定义了回调函数callbacks:
# 修改回调函数可实现我们想要的功能detector.start(detected_callback=callbacks, # 自定义回调函数interrupt_check=interrupt_callback,sleep_time=0.03)
callbacks:
# 回调函数,语音识别在这里实现,修改也是在这里
def callbacks():global detectortime.sleep(0.2)your_text=['哎,我在','我来啦']a=random.randint(0,1)#############################文字转语音,并保存result.wavtowav(your_text[a])print(your_text[a])#欢迎词play("result.wav")
为了是通过语音来回复,所以这里我接入了百度AI的语音合成,通过文字转语音的功能,将欢迎词:哎,我在或者我来啦转为音频再播放出来。
下面是语音合成的代码:
# coding=utf-8
import sys
import jsonIS_PY3 = sys.version_info.major == 3
if IS_PY3:from urllib.request import urlopenfrom urllib.request import Requestfrom urllib.error import URLErrorfrom urllib.parse import urlencodefrom urllib.parse import quote_plus
else:import urllib2from urllib import quote_plusfrom urllib2 import urlopenfrom urllib2 import Requestfrom urllib2 import URLErrorfrom urllib import urlencodeAPI_KEY = '自己的API_KEY'
SECRET_KEY = '自己的SECRET_KEY 'TEXT = "你好,我在"# 发音人选择, 基础音库:0为度小美,1为度小宇,3为度逍遥,4为度丫丫,
# 精品音库:5为度小娇,103为度米朵,106为度博文,110为度小童,111为度小萌,默认为度小美
PER = 4
# 语速,取值0-15,默认为5中语速
SPD = 5
# 音调,取值0-15,默认为5中语调
PIT = 5
# 音量,取值0-9,默认为5中音量
VOL = 5
# 下载的文件格式, 3:mp3(default) 4: pcm-16k 5: pcm-8k 6. wav
AUE = 3FORMATS = {3: "mp3", 4: "pcm", 5: "pcm", 6: "wav"}
FORMAT = FORMATS[AUE]CUID = "123456PYTHON"TTS_URL = 'http://tsn.baidu.com/text2audio'class DemoError(Exception):pass""" TOKEN start """TOKEN_URL = 'http://openapi.baidu.com/oauth/2.0/token'
SCOPE = 'audio_tts_post' # 有此scope表示有tts能力,没有请在网页里勾选def fetch_token():print("fetch token begin")params = {'grant_type': 'client_credentials','client_id': API_KEY,'client_secret': SECRET_KEY}post_data = urlencode(params)if (IS_PY3):post_data = post_data.encode('utf-8')req = Request(TOKEN_URL, post_data)try:f = urlopen(req, timeout=5)result_str = f.read()except URLError as err:print('token http response http code : ' + str(err.code))result_str = err.read()if (IS_PY3):result_str = result_str.decode()print(result_str)result = json.loads(result_str)print(result)if ('access_token' in result.keys() and 'scope' in result.keys()):if not SCOPE in result['scope'].split(' '):raise DemoError('scope is not correct')print('SUCCESS WITH TOKEN: %s ; EXPIRES IN SECONDS: %s' % (result['access_token'], result['expires_in']))return result['access_token']else:raise DemoError('MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response')""" TOKEN end """if __name__ == '__main__':token = fetch_token()tex = quote_plus(TEXT) # 此处TEXT需要两次urlencodeprint(tex)params = {'tok': token, 'tex': tex, 'per': PER, 'spd': SPD, 'pit': PIT, 'vol': VOL, 'aue': AUE, 'cuid': CUID,'lan': 'zh', 'ctp': 1} # lan ctp 固定参数data = urlencode(params)print('test on Web Browser' + TTS_URL + '?' + data)req = Request(TTS_URL, data.encode('utf-8'))has_error = Falsetry:f = urlopen(req)result_str = f.read()headers = dict((name.lower(), value) for name, value in f.headers.items())has_error = ('content-type' not in headers.keys() or headers['content-type'].find('audio/') < 0)except URLError as err:print('asr http response http code : ' + str(err.code))result_str = err.read()has_error = Truesave_file = "error.txt" if has_error else 'result.' + FORMATwith open(save_file, 'wb') as of:of.write(result_str)if has_error:if (IS_PY3):result_str = str(result_str, 'utf-8')print("tts api error:" + result_str)print("result saved as :" + save_file)
API_KEY = '自己的API_KEY'
SECRET_KEY = '自己的SECRET_KEY '
大家可以去百度AI平台免费申请,这里是百度AI的官方案例,可以直接使用。
(如果大家不懂怎么申请的可以在下面评论)因为比较简单,所以就不详细介绍了。
合成之后生成一个result.wav文件,通过play函数进行播放。
play("result.wav")
play
###播放欢迎词
def play(fname):ding_wav = wave.open(fname, 'rb')ding_data = ding_wav.readframes(ding_wav.getnframes())#with no_alsa_error():audio = PyAudio()stream_out = audio.open(format=audio.get_format_from_width(ding_wav.getsampwidth()),channels=ding_wav.getnchannels(),rate=ding_wav.getframerate(), input=False, output=True)stream_out.start_stream()stream_out.write(ding_data)time.sleep(0.2)stream_out.stop_stream()stream_out.close()audio.terminate()
这里的play函数大家可以留意一下,网上很多都无法使用,尤其是在树莓派上了,这个代码是本人亲测可用,可以在树莓派上直接播放声音。
这样我通过唤醒词唤醒后,系统回复声音(哎,我在或者我来啦)
三、实现了智能语音音响--听音乐
这里我已经实现了第一个功能【休闲】-听音乐,智能音响
先给出演示视频
演示视频
语音智能系统-语音音响播放音乐
下次更新实现了智能语音音响--听音乐的具体实现代码和操作。本期就更新语音唤醒。
后续延伸
修改回调函数可以完成更多工作
这里是语音智能管家的规划功能,后面会继续进行开发,更新记录这个过程。
欢迎在下方评论。
在平时的科研和任务不多的时候,利用空闲的时间去编写这个系统(因为空闲时间的乐趣就是做自己喜欢的事情,嘻嘻嘻,正好可以用来编写这个系统)。
每次完成一个小进度的时候都会在公众号和博客进行更新,记录一下这个过程(毕竟自己动手完成一件事,还是很有成就感的)
希望大家也能在这个过程中可以学习到一些知识(大牛就忽略了吧,哈哈哈)
同时在这个过程中,大家有更好的建议也可以进行评论交流,让这个系统更加完善。
【加群获取学习资料QQ群:901381280】
【各种爬虫源码获取方式】
识别文末二维码,回复:爬虫源码
欢迎关注公众号:Python爬虫数据分析挖掘,方便及时阅读最新文章
回复【开源源码】免费获取更多开源项目源码;
【语音智能管家】之语音唤醒(附演示视频)相关推荐
- 一网打尽Mac上的高效工具 - 效率工作篇(附演示视频)
写在前面:博主是一只经过实战开发历练后投身培训事业的"小山猪",昵称取自动画片<狮子王>中的"彭彭",总是以乐观.积极的心态对待周边的事物.本人的技 ...
- 还在熬夜干论文——Python带你一键起飞!【内附演示视频】
项目背景 话不多说,我们先来安利一下本期文章演示视频 写论文,这个工具爱了爱了 学习爬虫,我们可以做些什么? 这个问题从我开始开设<Python爬虫语法知识详解>就已经介绍的很清楚了,爬 ...
- 五年数字大屏之路,“述说”着我们大数据变现怎样的故事?(附演示视频)...
这是傅一平的第303篇原创 作者:傅一平 个人微信:fuyipingmnb "与数据同行"开通了微信群,现已汇聚了1500位小伙伴了,加我为微信好友(微信号:fuyipingmnb ...
- Python 实现 游戏EVE 自动化挖矿 注:模拟点击原理 附演示视频
出站挖矿 回站放矿 残血逃命 直接上代码.认真阅读前几行注释.而且建议绿色游戏,我写了这个代码,毁了我对这个游戏的热情.大家娱乐敲代码就好了.最后给大家一个演示视频. 演示视频,b站BV1pK4y1x ...
- KVG制作-【Arduino指纹解锁 智能家居系列-01】DIY自制的智能门禁,AS608指纹解锁+红外线遥控解锁。附演示视频。
DIY自制的智能门禁,指纹解锁+红外线遥控解锁. DIY自制的智能门禁,指纹解锁+红外线遥控解锁. 材料准备 库文件 代码 注册指纹的代码 **寻找指纹并解锁** 视频演示地址 DIY自制的智能门禁, ...
- DB账号防泄密,请立刻为数据库加把锁!(附演示视频)
作者介绍 贺春旸,普惠金融MySQL专家,<MySQL管理之道>第一版.第二版作者.曾任职于中国移动飞信.机锋安卓市场,拥有丰富的数据库管理经验.目前致力于MySQL.Linux等开源技术 ...
- 我和我的项目之沙箱环境模拟支付宝支付(附演示视频)
写在前面: 在线付款,已经成为了我们日常生活中必不可少的一部分.在线报名缴费,在线购物付款,在线转账汇款等等.给我们的生活带来了极大的方便,支付宝和我们的距离也越来越近.之前很痴迷于它的在线付款,鼠标 ...
- 【Android App】实战项目之实现你问我答的智能语音机器人(超详细 附源码和演示视频)
需要全部代码请点赞关注收藏后评论区留言私信~~~ 一.需求描述 想必大家都见过商场里的智能语音机器人,你对它提问时它可以自动回答你的问题,接下来我们也实现这样一个机器人,它依靠语音技术完成问询服务 基 ...
- 特别提醒蓝牙语音智能药盒的设计思路(二)TTS技术应用篇,附手机小程序界面
全文3000字,阅读时间约8分钟,建议收藏后慢慢看 目录 引言 蓝牙TTS智能药盒方案系统图 智能药盒是什么 智能药盒为什么需要语音提醒 语音提醒功能为什么要用TTS技术 TTS语音提醒的应用场景 1 ...
- 【Android +Tensroflow Lite】实现从基于机器学习语音中识别指令讲解及实战(超详细 附源码和演示视频)
需要源码和配置文件请点赞关注收藏后评论区留言~~~ 一.基于机器学习的语音推断 Tensorflow基于分层和模块化的设计思想,整个框架以C语言的编程接口为界,分为前端和后端两大部分 Tensorfl ...
最新文章
- 网站位置服务器,如何查看网站的服务器位置
- 关于美工ps出图table格式的处理
- 8、Semantic-UI之其他按钮样式
- Struts2 拦截器 及如何获得 servlet 请求对象 以及Struts 基本配置 Session 超时设置...
- 动态语言与静态语言的区别
- table { border-collapse:collapse; }
- 总分 Score Inflation
- Oracle怎么算开始一个会话,oracle – 随机获取ORA-08177只有一个活动会话
- JQuery常用功能的性能优化
- OrchardCore实现模块化核心原理分析
- 【sinatra】安装测试
- python为运行为何出现乱码_python中文的显示乱码怎么办
- linux两台电脑直连传数据,两台MAC电脑通过局域网快速传输文件
- 51单片机初值计算方法
- 华为服务器pe安装系统教程视频教程,小U讲解华为电脑u盘重装系统win8教程
- 2020年过去了,我很怀念它
- mpc高清设置超详细
- Google adsense单价降低的原因-失误的无效点击过滤
- Selenium - 元素等待与智能等待
- java基础知识点、面试选择题归纳整理
热门文章
- 【串讲总结】涵盖ML/DL/NLP/推荐/风控/数学等知识点汇总列表
- Supercell:靠两款手游如何做到30亿美金市值?
- 手机dlna到linux,linux dlna服务器
- 汇率实时行情查询接口
- Linux基础-进程管理
- Excel 插入图表后图标属性一直闪烁
- PHP 微信公众号和html5接入微信支付
- Not registered via @EnableConfigurationProperties, marked as Spring component, or scanned via @Confi
- 打造圣诞节H5游戏最强音
- 德玛西亚服务器显示排队,英雄联盟排队怎么进入-英雄联盟:激斗峡谷(国际服 LOL:Wild Rift)问答专区-OurPlay...