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）

最新推荐文章于 2024-08-22 01:30:03 发布
最新推荐文章于 2024-08-22 01:30:03 发布
阅读量3.7k 收藏 52
点赞数 6
分类专栏： python 语音聊天 文章标签： 自然语言处理 windows python 语音识别 小程序
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LiePy/article/details/105037104
版权

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
  • python3.7
  • pycharm

（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机器人

创建好后你就拥有了这样一个语音聊天机器人：
机器人API

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。。
人物设置
这个不重要，我们看看它的API使用文档，了解一下怎么用的
图灵文档
嗯，好像很简单的亚子！
不管了，赶紧来试一下。。

import requests
import json

urls = 'http://openapi.tuling123.com/openapi/api/v2'	# 图灵接口的url
api_key = "！！！这里要用你自己的api密钥！！！"

prologue = "主人您好，我是Niubility，爱你哦~"	# 定义开场白
count = 1	# 用来计数输入的次数

# 回复
def respond(data):
	data_dict = {
      "reqType":0,
        "perception": {
            "inputText": {
                "text": data
            },
        },
        "userInfo": {
            "apiKey": api_key,
            "userId": "584403"
        }
    }
    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)    # 机器人取名就叫Niubility

if __name__ == "__main__":
	print("Niubility:", prologue)
	while True:
		data = input('{}//你：'.format(count))  # 输入对话内容
		respond(data)
		count += 1

运行一下：
在这里插入图片描述
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)

（2）百度语音合成API

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：
在这里插入图片描述
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：
百度语音合成api1
百度语音合成api2
试一下

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0
  • op : 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）
运行效果图

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=' ')
LiePy
关注
专栏目录
Python调用图灵机器人API
算法与编程之美
04-13 4293
问题 在现在这个全是人工智能的时代，有很多种能够完成人机交互的程序，也就是我们通常所说的“机器人”，例如iphone的siri，小米的小爱同学，都是一些比较常见的可以完成普通交流的人工智能。 这里笔者为大家介绍一下图灵机器人，这是一款可以全凭自己配置的机器人，你可以给他取名字，设定各种回答偏好，使它成为可以为自己解闷的一种工具。并且该网站有一个非常好的点，就是提供了对外api，可以直接应用于微信公众号，qq等平台，可以说用途非常广泛。 我们甚至可以创建一个qq聊天机器人来供我们娱乐。 附上官网：http:/
Python实时语音识别控制
q6q6q的专栏
10-27 920
Python实时语音识别控制概述本文中的语音识别功能采用 百度语音识别库 ，首先利用 PyAudio 库录制语音指令，保存为受支持的 wav 音频文件，然后利用 百度语音识别库 提供的方法实现语音识别，最后检测识别结果，利用 PyUserInput 库提供的方法模拟控制web页面滚动。百度语音识别为开发者提供业界优质且免费的语音服务,通过场景识别优化,为车载导航,智能家居和社交聊天等行业提供语音解...
python 实现简单语音聊天机器人
weixin_30740295的博客
03-09 278
'''思路：使用百度的文本转音频API,将结果保存成mp3格式，并用mp3play库播放该文件。''' 1 # -*- coding:utf-8 -*- 2 import sys 3 import requests 4 import json 5 import mp3play 6 import time 7 8 def talk(info): 9 ap...
12个免费在线AI文字转语音工具，好用到哭！
拥抱变化，探索AI，了解AI，使用AI～
08-11 333
零成本玩转AI！9文字转语音工具，打开新世界的大门！
Python实现机器人语音聊天
weixin_43606241的博客
03-12 2497
Python实现机器人语音聊天 　 Tuling，是图灵，已经录入大量中文对话，直接调用接口即可实现自动回复，实用于开发聊天软件 ChatBot，可自行训练机器人，让机器人拥有自己的语料库，实用于企业智能聊天个性化 2.需要的核心技术 a. 输入语音，识别后转换为输入文字 b. Tuling或ChatBot两种机器人，回复输出文字 c. 输出文字，转换为输出语音并播放 以上a和c主要调用Baid...
Unity做一个类似于siri的功能
baidu_27193941的博客
04-11 272
每次接口请求都可以在这里看见，包括失败和成功的次数（失败也算次数），人工只能对话我用的图灵机器人的版本，但是最便宜的版本机器人回复的确实很鸡肋，我穷用的是19.9的一个月的版本,文字转语音我用的是Rtvoice插件，但是他们声音就两个。首先你需要进行语音识别，目前我用的是百度的语音识别，个人账户有免费15w的测试次数，这个对于普通开发者足够用了。还没更新完成，晚点继续更新。
Python智能语音机器人
weixin_44396894的博客
01-17 2095
个人博客 https://blog.fmujie.cn/ Python智能语音机器人 先看效果视频 click here => https://www.yuque.com/docs/share/24f6227b-0785-4d90-a319-94bd0deaceab?# 千万别看名字高大上，实际很简单，会简单使用Python调用API就行(手动滑稽) 主要使用的套餐如下： #####P...
python自动语音电话_用 Python 实现自己的智能语音助理（百度语音 + 图灵机器人）...
weixin_39855634的博客
12-17 2091
依稀记得去年生日，对着 Google 说 "Sing me Happy Birthday" 。她真的给我唱了英文版的生日歌，满怀深情地(我感觉……)。最后还加了一串调皮的鼓声。我转头对着公司的前台小姐姐说，看见没有，你的 Siri 不爱我。。。呃，不瞎扯了。基于以上的渊源，我用 Python 写了一个还算得上智能的语音助理。截图如下：AI1不要慌，用的现成的框架和公共 API，一百来行代码而已，权...
语音对话机器人，百行Python代码就能轻松实现
m0_72091242的博客
09-16 2209
咱们用Python也可以实现一个类似siri的对话机器人
python发音机器人_用 Python 实现自己的智能语音助理（百度语音 + 图灵机器人）...
weixin_39581964的博客
11-20 623
依稀记得去年生日，对着 Google 说 "Sing me Happy Birthday" 。她真的给我唱了英文版的生日歌，满怀深情地（我感觉……）。最后还加了一串调皮的鼓声。我转头对着公司的前台小姐姐说，看见没有，你的 Siri 不爱我。。。呃，不瞎扯了。基于以上的渊源，我用 Python 写了一个还算得上智能的语音助理。截图如下：AI1不要慌，用的现成的框架和公共 API，一百来行代码而已，权...
Python机器学习实战：智能聊天机器人的构建与优化
最新发布
程序员光剑
08-22 683
人工智能（Artificial Intelligence，AI）的起源可以追溯到上世纪50年代，图灵测试的提出标志着人工智能作为一门学科的诞生。随后，人工智能经历了几次高潮和低谷，期间涌现出许多重要的理论和算法，例如符号主义、连接主义、专家系统等。近年来，随着计算能力的提升和大数据的兴起，人工智能再次进入快速发展阶段，并在各个领域取得了突破性进展。自然语言处理（Natural Language Processing，NLP）是人工智能的一个重要分支，研究如何让计算机理解和处理人类语言。
智能语音交互机器人（python）
11-24
采用百度AI平台进行语音识别与合成，里面有我打包好的exe文件，附赠图灵机器人的一组api账号，有问题可以加我QQ咨询
python 实现语音聊天机器人的示例代码
09-19
主要介绍了python 实现语音聊天机器人的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
Python3从零开始搭建一个语音对话机器人的实现
09-18
主要介绍了Python3从零开始搭建一个语音对话机器人的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python-wukongrobot是一个简单灵活优雅的中文语音对话机器人智能音箱项目
08-11
wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目，目的是让中国的 Maker 和 Haker 们也能快速打造个性化的智能音箱。
Python3实现语音机器人（百度语音+图灵机器人）
04-15
百度语音的接口参数需要自己申请并修改，图灵机器人也需要申请，代码中有注释。 感觉还是比较好玩的，没事的时候可以用来跟机器人妹妹聊天，呵呵！
基于python的语音聊天机器人软件_python 实现语音聊天机器人的示例代码
weixin_39960145的博客
11-30 332
前言在不远的将来，实现一定程度上的语音支持将成为日常科技的基本要求，整合了语音识别的python程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在python程序中实现语音识别非常简单。整个代码实现下来还不到150行。原理简介许多现代语音识别系统会在HMM识别之前使用神经网络，通过特征变换和降维技术来简化语音信号，也可以使用语音活动检测器将音频信号减少到可能包含语音的部分。幸运的是，对于...
python实现语音机器人
热门推荐
HI_REY的博客
04-01 1万+
人生苦短，我用python
利用百度AI搭建Python语音对话机器人：从0到实战
- 构建实时语音对话：结合百度语音识别API和图灵机器人的API，作者实现了语音输入与机器人的实时对话，创建了一个实用的交互式语音对话系统。 文章最后强调了分享这个实现过程的目的，即帮助其他人快速搭建自己的...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值