基于PYTHON人工智能音箱具体代码的初步实现。

python人工智能音箱实现

---

大家一定看过复仇者联盟把，钢铁侠的贾维斯是不是很帅很厉害，也学习了这么久PYTHON了 我想到了一种模式，可以做一个自己专属的贾维斯，废话不多说，我们开始吧

---

贾维斯人工智能音箱具体逻辑原理

1.通过国外网站下载生成对应指纹声音，来实现唤醒使用，不唤醒休眠。（此网站把我账号封了，这功能暂时搁浅未做，有兴趣的朋友可自行百度）
2.通过PYTHON调用设备电脑或者手机本身的录音功能，设置录音具体时间。
3.将语音转换为编码格式通过调用三方的语音识别的API 去生成文字(我这里用的是百度的)
4.将抓换的文字去第三方API，比如国内文言一心，国外chatgpt去生成具体答案，再把答案内容再通过语音识别的API去抓换为语音，
5.再调用本地的播放器播放出语音。
此时形成了一个闭环 一次智能音箱的问答就已经完成。

一、使用步骤

1.具体实现代码

代码如下（示例）：

# coding = utf-8
# coding=gb2312
# coding = gbk

import pyaudio
import wave
import requests
import json
import time
import base64
from aip import AipSpeech
from playsound import playsound
# 百度API信息
APP_ID = 'XXXX'
API_KEY = 'xxxxxx'
SECRET_KEY = 'xxxxxxx'
client = AipSpeech(APP_ID,API_KEY,SECRET_KEY)
# 录音设置
CHUNK = 1024  # 录音块大小
FORMAT = pyaudio.paInt16  # 采样点16位二进制数
CHANNELS = 1  # 单声道
RATE = 16000  # 采样频率
RECORD_SECONDS = 15  # 录音时间
WAVE_OUTPUT_FILENAME = "output.wav"


# 录音函数
def record_audio(filename, seconds):
    p = pyaudio.PyAudio()

    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

    frames = []

    for i in range(0, int(RATE / CHUNK * seconds)):
        data = stream.read(CHUNK)
        frames.append(data)

    stream.stop_stream()
    stream.close()
    p.terminate()

    wf = wave.open(filename, 'wb')
    wf.setnchannels(CHANNELS)
    wf.setsampwidth(p.get_sample_size(FORMAT))
    wf.setframerate(RATE)
    wf.writeframes(b''.join(frames))
    wf.close()

def baidutts(text=""):
    result = client.synthesis(text,'zh',1,{
        'sod':4,
        'vol':5,
        'per':4
    })
    if not  isinstance(result,dict):
        with open("./output.mp3","wb") as f:
            f.write(result)
    else:
        print('语音合成识别',result)

def openai():
    url = "https://qianfan.baidubce.com/v2/app/conversation/runs"

    payload = json.dumps({
        "app_id": "xxxxxxxxx",
        "query": zsnr,
        "stream": False,
        "conversation_id": "xxxxxxx"
    })
    headers = {
        'Content-Type': 'application/json',
        'X-Appbuilder-Authorization': 'Bearer bce-v3/ALTAK-hciofH1cZ00RTYVIbHXAA/08b6e696bdfa317d13d8bd54301bc7bd1c8453b1'
    }

    response = requests.request("POST", url, headers=headers, data=payload)

    print(response)
    nr= json.loads(response.text)
    print(nr['answer'])
    return nr
# 调用录音函数
record_audio(WAVE_OUTPUT_FILENAME, RECORD_SECONDS)

# 读取录音文件并编码为base64
with open(WAVE_OUTPUT_FILENAME, "rb") as audio_file:
    encoded_string = base64.b64encode(audio_file.read()).decode()# 准备请求参数
payload = json.dumps({
        "format": "pcm",
        "rate": 16000,
        "channel": 1,
        "cuid": "Lk2BdS11FbqHce94EzDOF4FwtzEZaTBX",
        "token": "24.f0539397c4aa7ec764483e8c08b0ff1e.2592000.1720767374.282335-81479669",
        "speech":encoded_string,
        "len": 479276
})

headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
}


# 发送POST请求到百度语音识别API
url = "https://vop.baidu.com/server_api"
response = requests.request("POST", url, headers=headers, data=payload)

# 处理响应
if response.status_code == 200:
    jieguo = json.loads(response.text)
    print(jieguo)
    print("识别结果:", jieguo['result'])
    qq=jieguo['result'][0]
    zsnr = f"\"\\\"{qq}\\\"\""
else:
    print("请求失败:", response.text)
nr2=openai()
print(nr2)
answer_text = nr2['answer']
print(answer_text)
baidutts(text=f"{answer_text}")

playsound('output.mp3')

---

总结

这个脚本我写了很久了，这也算是我自己的一个小作品雏形，再过段时间有可能我都快忘了这件事情了，如果对智能音箱有兴趣的话，想要去完善该代码 可以直接私信我，或者有哪些看不懂的地方也可以直接评论区指出或者后台私信我哦。