本章的主题为通过声音来控制您的电脑。当下的语音识别已经相对比较成熟，比如有的车载系统，或手机都支持语音识别，您可以通过声音来下达指令。比如您告诉导航系统"我要去北京"，它会自动帮您设置导航目的地，并开始导航。通过阅读本章内容，读者将了解如何通过声音来控制您的电脑及语音控制的基本原理。
14.1 要解决什么问题
当下的语音识别很火，也相对比较成熟，正确率也极高。而基于语音识别的应用也慢慢的变的非常多。那么我们能不能自己用Python写一个程序，这个程序能够根据您的指令去做一些事情。比如你对着电脑说一声，"打开百度"，然后该程序就自动帮你打开浏览器，并登陆到百度的搜索主页。这就是我们本章要解决的问题。
14.2 实现思路
现在我们已经知道我们要解决的问题了，那么接下来就得想想如何实现它了。
首先，一般笔记本电脑都有内置麦克风，台式机可能需要戴个耳机了。我们说的话可以被麦克风录下来，接下来就需要把录下来的这段话进行语音识别，也就是把这段录音转化为文字。那么有了文字就好办了，我们可以检查这段文字是否是我们支持的操作。假如我们现在支持"打开百度"，如果您就说了"打开百度"，那么将识别到的文字和支持的操作进行对比，发现是支持的，则程序开始自动打开浏览器，并登陆到百度的主页。
我们基于这个思路来实现的一个简单的声控程序。
14.3 相关模块的安装及介绍
本节会将所有用到的模块的安装及功能进行简单的介绍。有的模块很强大，但这里只介绍我们会用到的功能，抛砖引玉。读者可以对感兴趣的模块进行深入学习。
14.3.1 PyAudio模块
安装PyAudio模块的命令如下：
>pip install --user pyaudioCollecting pyaudiohttps://files.pythonhosted.org/packages/72/ad/80dd3ca3a26a2ea74ca7706a8a275712e13b4f884644ae7dc38fb7342bae/PyAudio-0.2.11-cp36-cp36m-win32.whlInstalling collected packages: pyaudioSuccessfully installed pyaudio-0.2.11PyAudio是一个免费开源软件，是一个跨平台的语音I/O 库。通过PyAudio您能够很容易的用Python去播放和录制音频，可以工作在windows，Mac和Linux操作系统上。我们将用这个库录制音频。
14.3.2 Baidu-aip模块
安装百度AIP模块的命令如下：
>pip install baidu-aipCollecting baidu-aipUsing cached https://files.pythonhosted.org/packages/85/ba/5e94b935b7af791573f1b5bc1b4084311430df8804401da34f27e3708194/baidu-aip-2.2.17.0.tar.gzRequirement already satisfied: requests in c:program files (x86)python3.6.8libsite-packages (from baidu-aip) (2.22.0)Requirement already satisfied: certifi>=2017.4.17 in c:program files (x86)python3.6.8libsite-packages (from requests->baidu-aip) (2019.6.16)Requirement already satisfied: chardet<3.1.0,>=3.0.2 in c:program files (x86)python3.6.8libsite-packages (from requests->baidu-aip) (3.0.4)Requirement already satisfied: idna<2.9,>=2.5 in c:program files (x86)python3.6.8libsite-packages (from requests->baidu-aip) (2.8)Requirement already satisfied: urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1 in c:program files (x86)python3.6.8libsite-packages (from requests->baidu-aip) (1.25.3)Installing collected packages: baidu-aipRunning setup.py install for baidu-aip ... doneSuccessfully installed baidu-aip-2.2.17.0百度语音识别通过 REST API 的方式给开发者提供一个通用的 HTTP 接口。需要上传完整的录音文件，录音文件时长不超过60s。我们将通过这个API进行解析我们录制的音频文件，将其转化为文字。
百度语音提供2种普通话及英语、粤语、四川话识别模型。
- 搜索模型： 效果同手机百度搜索的语音输入。适合于短语识别，没有逗号。
- 输入法模型：效果同百度输入法的语音输入。适合于长句识别，有逗号。
普通话搜索模型同时能识别简单的常用英语语句，效果同手机百度。
读者需要登陆百度AI语音识别界面申请相应的App ID及API Key，如图14-1所示。
图14-1 百度云语音识别App ID及API Key示例
14.3.3 Wave模块
安装wave模块的命令如下：
>pip install WaveWave模块提供了一个处理WAV声音格式的便利接口。它不支持压缩和解压缩，但是支持单声道和立体声。由于百度语音AI对上传的音频有特定要求，所以我们将会使用该模块对我们录制的音频进行处理，然后再调用API进行转换。
14.3.4 Webbrowser模块
webbrowser是python的标准库，不需要单独安装。
webbrowser模块提供了high-level的接口让我们可以很方便向用户展示基于Web的文档。大多数情况下，只需要调用open()函数就可以做到。我们这里要使用该模块帮我们打开浏览器，并登陆到百度主页。
14.4 代码实现
到现在，万事俱备只欠东风。让我们开始coding吧。
14.4.1 编写伪码
小时候写作文，老师教我们写提纲，然后再去写文章。而我们写代码也是一样的，我们需要先做概要设计，然后再去做详细设计，最后去编码。道理都是类似的，我们始终要做到"头顶有太阳，心中有地图"这样就不会走弯路甚至迷路。我们这里的伪码就相当于概要设计+详细设计。
import wave, pyaudioimport webbrowserimport os, timedef record_audio():#调用wave进行录音#参照百度AI的要求进行语音的参数设置def convert_audio_to_string_via_ai():#将满足AI解析要求的音频通过API进行解析得到字符串def handle_command():#对得到字符串进行解析，比如字符串包含了"打开百度"，则执行相应的操作主函数：recoard_audio() #电脑进行录音convert_audio_to_string_via_ai() #通过API将音频内容转化为文字handle_command() #将得到字符串进行解析，并执行相应的操作14.4.2 Python代码
程序的运行效果如下图14-2，程序启动后先让"打开百度"，然后等待浏览器打开百度后，再告诉其"退出"程序。
图14-2 程序运行效果
这里是完整的代码实现，结合代码和注释，基本可以理解。
# -*- coding: utf-8 -*-#导入需要用到的库import waveimport pyaudioimport webbrowserimport os,time#从aip库中导入AipSpeech接口from aip import AipSpeech #自己申请的APP_ID和KEY APP_ID = '11483452'API_KEY = 'aaKCmDdZDkKUU9McEi1ePmAN'SECRET_KEY = 'hrhoBeoE1PF3C9B4013no2tkSmx9L5Xb'#初始化AipSpeech对象aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)CHUNK = 1024FORMAT = pyaudio.paInt16RATE = 8000CHANNELS = 1RECORD_SECONDS = 5RECORDED_AUDIO_FILE = "temp_audio.wav"def recoard_audio():""" 通过pyaudio记录一个5秒的音频文件""" p = pyaudio.PyAudio() stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) print("* recording will stat") print("3") time.sleep(1) print("2") time.sleep(1) print("1") time.sleep(1) print("Go") frames = [] for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)): data = stream.read(CHUNK) frames.append(data) print("* done recording") stream.stop_stream() stream.close() p.terminate() wf = wave.open(RECORDED_AUDIO_FILE, 'wb') wf.setnchannels(CHANNELS) wf.setsampwidth(p.get_sample_size(FORMAT)) wf.setframerate(RATE) wf.writeframes(b''.join(frames)) wf.close()def handle_command(command):""" 根据命令字符串执行对应的操作""" if command is None: return elif '打开百度' == command: print("正在打开百度") webbrowser.open_new_tab("baidu.com") elif '打开邮箱' == command: print("正在打开邮箱") os.system(r'"C:Program Files (x86)Microsoft OfficeootOffice16OUTLOOK.EXE"') else: #默认处理 print("不知道您想让我做什么") webbrowser.open("yonggangliu.com")def get_file_content(filePath):""" 获取文件的内容，这里是音频文件，其他文件也通用""" with open(filePath, 'rb') as fp: return fp.read()def convert_audio_to_string_via_ai():""" 通过aipSpeech来解析音频文件，得到语音对应的文字内容""" text = '' audio_content = get_file_content(RECORDED_AUDIO_FILE) res = aipSpeech.asr(audio_content, 'wav', RATE, { 'lan': 'zh',}) if res['err_no'] != 0: print("Please speak again") elif 'result' in res: #API返回的字符串是以。结尾的，所以这里去掉结尾的句号 text = res['result'][0][:-1] else: pass return text if __name__ == "__main__": while True: recoard_audio() command_str = convert_audio_to_string_via_ai() print(command_str) if command_str in ['退出', '结束']: print("程序结束") break if len(command_str) > 0: handle_command(command_str)读者可以在此基础上编写出自己的声控程序。天马行空，任意发挥。
14.4.3 打包为exe安装文件进行发布
我们的程序编写好了，也运行良好，能解决我们的问题。现在如果想把它分享给我们亲爱的其他同事，我们该怎么做呢？最好是将它打包为EXE文件，否则使用的人也需要安装Python，且必须安装所有的依赖库，似乎太麻烦了，没等听您解释完就不想用了。因此，我们需要将Python代码进行打包，生成exe进行方便使用。
这里我们同时也提供了打包为EXE的代码。由于我们使用pyinstaller进行打包，所以需要提前安装。当然安装也很简单，使用pip命令就可以安装。
pip install pyinstaller安装成功后我们就可以通过下面的代码进行打包了。
接下来，将Python代码转换为exe程序，我们使用的是pyinstaller，具体的转换代码我实现为python代码。只需要执行下面的Python代码，就会调用pyinstaller生成一个单独的exe文件。这种形式的优点是只有一个exe文件，其他所有的依赖的Python环境文件都被打包在该exe文件中。而缺点就是由此导致该文件比较大，而且每次执行都相当于有一个解压到临时目录的过程，所以执行比较慢。
import os, shutilfrom subprocess import Popenif os.path.exists('dist'): shutil.rmtree("dist")if os.path.exists('build'): shutil.rmtree("build")if os.path.exists('__pycache__'): shutil.rmtree("__pycache__")handle = Popen("pyinstaller -F -w --add-data res;res -i res/bit.ico control-pc-via-voice.py")handle.wait()shutil.copyfile("dist/control-pc-via-voice.exe", "./control-pc-via-voice.exe")shutil.rmtree("dist")shutil.rmtree("build")shutil.rmtree("__pycache__")个人推荐将其打包为目录，而不是单个exe文件。这样的好处就是不需要每次执行都进行解压到临时目录，而是直接在同目录下调用执行，因此比较快。下面就是将Python文件打包为目录的代码，跟上面有区别，其中一个打包参数为-D。下面的脚本生成的目录dist中，会有相应的exe文件，可以直接双击运行。
import os, shutilfrom subprocess import Popenif os.path.exists('dist'): shutil.rmtree("dist")if os.path.exists('build'): shutil.rmtree("build")if os.path.exists('__pycache__'): shutil.rmtree("__pycache__")handle = Popen("pyinstaller -D -w --add-data res;res -i res/bit.ico control-pc-via-voice.py")handle.wait()而为了更方便，我们这里会介绍如何将该目录打包为安装文件，这样在给别人用的时候，只需要给一个安装文件。用户拿到该安装文件后，安装上之后就可以使用了，且使用感受更好。我们这里介绍一个将目录打包为安装文件的工具程序。该工具程序名为Inno Setup，是一个免费的工具软件，网站主页如下图14-3所示。可以点击Download Inno Setup链接进行下载，详细信息可以登陆网站()进行了解。
图14-3 Inno Setup主页
这里，我们可以按照Inno Setup的引导来创建普通的程序安装文件，创建完成后会生成内容如下所示的iss文件。当然，如果我们提前有该文件的话，可以直接用Inno Setup程序直接打开该文件，执行编译来生成安装文件。
; Script generated by the Inno Setup Script Wizard.; SEE THE DOCUMENTATION FOR DETAILS ON CREATING INNO SETUP SCRIPT FILES!#define MyAppName "control-pc-via-voice"#define MyAppVersion "2.2"#define MyAppPublisher "ggang.liu, Inc."#define MyAppExeName "control-pc-via-voice.exe"[Setup]; NOTE: The value of AppId uniquely identifies this application. Do not use the same AppId value in installers for other applications.; (To generate a new GUID, click Tools | Generate GUID inside the IDE.)AppId={{F3D8DE4F-EA0D-47E7-AFBC-7FE7A8EAD8D3}AppName={#MyAppName}AppVersion={#MyAppVersion};AppVerName={#MyAppName} {#MyAppVersion}AppPublisher={#MyAppPublisher}DefaultDirName={autopf}{#MyAppName}DisableProgramGroupPage=yes; The [Icons] "quicklaunchicon" entry uses {userappdata} but its [Tasks] entry has a proper IsAdminInstallMode Check.UsedUserAreasWarning=noInfoAfterFile=C:control-pc-via-voiceeleaseREADME.md; Remove the following line to run in administrative install mode (install for all users.)PrivilegesRequired=lowestPrivilegesRequiredOverridesAllowed=dialogOutputDir=C:control-pc-via-voiceeleaseOutputBaseFilename=control-pc-via-voice-setupSetupIconFile=C:control-pc-via-voiceesbt.icoPassword=dotCompression=lzmaSolidCompression=yesWizardStyle=modern[Languages]Name: "english"; MessagesFile: "compiler:Default.isl"[Tasks]Name: "desktopicon"; Description: "{cm:CreateDesktopIcon}"; GroupDescription: "{cm:AdditionalIcons}"; Flags: uncheckedName: "quicklaunchicon"; Description: "{cm:CreateQuickLaunchIcon}"; GroupDescription: "{cm:AdditionalIcons}"; Flags: unchecked; OnlyBelowVersion: 6.1; Check: not IsAdminInstallMode[Files]Source: "C:control-pc-via-voicedistcontrol-pc-via-voicecontrol-pc-via-voice.exe"; DestDir: "{app}"; Flags: ignoreversionSource: "C:control-pc-via-voicedistcontrol-pc-via-voice*"; DestDir: "{app}"; Flags: ignoreversion recursesubdirs createallsubdirs; NOTE: Don't use "Flags: ignoreversion" on any shared system files[Icons]Name: "{autoprograms}{#MyAppName}"; Filename: "{app}{#MyAppExeName}"Name: "{autodesktop}{#MyAppName}"; Filename: "{app}{#MyAppExeName}"; Tasks: desktopiconName: "{userappdata}MicrosoftInternet ExplorerQuick Launch{#MyAppName}"; Filename: "{app}{#MyAppExeName}"; Tasks: quicklaunchicon[Run]Filename: "{app}{#MyAppExeName}"; Description: "{cm:LaunchProgram,{#StringChange(MyAppName, '&', '&&')}}"; Flags: nowait postinstall skipifsilent这里会打包生成的安装文件是一个exe文件，我们双击执行安装时会出现类似图14-4所示的安装界面，可以看出是一个很常见的程序安装界面，跟其他程序安装没有什么区别，看起来更专业。
图14-4 服务程序安装界面
到这里，程序的打包安装就介绍完毕，具体选择哪种方式进行打包，可以根据具体情况而定。试着为自己的程序进行打包并安装，让我们的小工具的安装使用足够专业和易用。
14.5 本章小结
在本章的学习中，我们了解到了语音控制系统的基本原理，那就是先录音，然后将声音文件转换为字符串，最后基于字符串执行具体的操作。在这个过程中我们用到了百度的语音AI，当然有能力的读者也可以使用阿里云或其他类似的系统。PyAudio模块也为我们打开了一扇语音I/O的窗户，至少我们知道有这么个模块可以操作音频设备。Wave模块可以处理音频文件。Webbrowser模块可以通过浏览器打开某链接。当然我们这里用的都是最基本的功能，有兴趣的同学可以做进一步深入的学习。
欢迎关注，转发，收藏，谢谢[抠鼻]
Python实用案例编程入门：第一章 Python概述及为什么学Python
Python实用案例编程入门：第二章 字符串
Python实用案例编程入门：第三章 列表和元组
Python实用案例编程入门：第四章 字典和文件
Python实用案例编程入门：第五章 函数和类
Python实用案例编程入门：第七章 调式手段
Python实用案例编程入门：第六章 控制流语句
Python实用案例编程入门：第九章 爬虫下载VOA每日广播英语MP3
Python实用案例编程入门：第十章 用Python处理音频文件
Python实用案例编程入门：第十一章 做一个年会抽奖程序
Python实用案例编程入门：第十二章 测试线预订程序
Python实用案例编程入门：第八章 如何自动连接WIFI
Python实用案例编程入门：第十三章 自动收发电子邮件，远程控制
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
