Windows 使用语音助手的方法（小白教程）

我们要做的目标是：

🎯 对着麦克风说话 → 电脑识别你说的话 → AI 回答你 → 电脑朗读回答

---

✅ 方法一：使用 Python + Whisper + Ollama（本地运行，无需联网）

适合想要更自由、还能说中文的 AI 助手！

---

🧰 一、你需要准备这些

📌 1. 安装好 Python（如果没装）

• 打开官网：Python Releases for Windows | Python.org

• 下载最新版本，安装时记得勾选“Add to PATH”

📌 2. 安装 Whisper（语音识别）

打开终端（CMD 或 PowerShell），输入：

pip install openai-whisper

如果出现下图错误，可参考另一篇我的博客：pip install openai-whisper报错-CSDN博客

第一次安装可能会下载模型，耐心等待

📌 3. 安装语音合成（让电脑“读”出回答）

pip install pyttsx3

📌 4. 安装录音库

pip install sounddevice scipy

📌 5. 安装与本地大模型（如 Ollama）对话功能

pip install requests

---

🧠 二、确保你已安装并运行好 Ollama

如果没装过本地 Ollama 模型：

安装一下

然后拉一个模型，比如：

ollama pull deepseek-coder

并且保持 Ollama 正在后台运行（不用你手动开，它开机就会自己运行）

---

🧾 三、语音助手完整代码（直接复制粘贴运行）

import sounddevice as sd
import scipy.io.wavfile as wav
import whisper
import requests
import pyttsx3
import os

# 使用 whisper 模型加载
model = whisper.load_model("base")  # 可改为 tiny / small / medium / large

# 初始化语音合成
engine = pyttsx3.init()

def record_audio(filename="temp.wav", duration=5):
    print("🎙️ 开始录音，请说话...")
    fs = 16000
    recording = sd.rec(int(duration * fs), samplerate=fs, channels=1)
    sd.wait()
    wav.write(filename, fs, recording)
    print("✅ 录音完成！")

def transcribe_audio(filename="temp.wav"):
    print("🧠 正在识别语音...")
    result = model.transcribe(filename, language="zh")
    print(f"📝 你说了：{result['text']}")
    return result['text']

def ask_ollama(prompt, model_name="deepseek-coder"):
    print("🤖 正在向本地AI提问...")
    url = f"http://localhost:11434/api/generate"
    headers = {"Content-Type": "application/json"}
    data = {
        "model": model_name,
        "prompt": prompt,
        "stream": False
    }
    response = requests.post(url, headers=headers, json=data)
    res = response.json()
    answer = res.get("response", "我没有理解你说的意思。")
    print(f"🤖 回答：{answer}")
    return answer

def speak_text(text):
    engine.say(text)
    engine.runAndWait()

# 主程序循环
while True:
    input("🎤 按 Enter 开始语音对话（Ctrl+C 退出）")
    record_audio()
    question = transcribe_audio()
    reply = ask_ollama(question)
    speak_text(reply)

🚀 四、运行方法

1. 把上面代码复制到一个 .py 文件，比如 voice_assistant.py

2. 打开命令提示符（CMD）

3. 运行：

python voice_assistant.py

按 Enter，说出你的问题（比如“帮我写一个Python爬虫”）

等待它回答并朗读！

---

🎉 效果演示（你将看到）：

🎙️ 开始录音，请说话...

✅ 录音完成！

🧠 正在识别语音...

📝 你说了：写一个爬虫抓取百度首页

🤖 正在向本地AI提问...

🤖 回答：以下是使用 requests 和 BeautifulSoup 的示例代码...

📢（语音读出答案）

---

❓ 常见问题

Q: 要联网吗？

A: 除了第一次下载模型，全程本地运行。不联网也能跑！

Q: Whisper 模型会不会太大？

A: base 模型只有大约 140MB，很轻量。你也可以改成 tiny 更小。

Q: 麦克风没声音怎么办？

A: 检查你电脑是否开启麦克风权限，或者用手机耳机试试。

---

打包成图形化界面教程

🔧 所需准备

确保你已经安装了以下环境（之前你可能已经装了）：

pip install openai-whisper sounddevice scipy pyttsx3 requests
pip install customtkinter

🧾 图形界面完整代码（直接可运行）

import customtkinter as ctk
import sounddevice as sd
import scipy.io.wavfile as wav
import whisper
import requests
import pyttsx3
import threading

# 初始化语音识别模型、语音合成
model = whisper.load_model("base")
engine = pyttsx3.init()

# 录音函数
def record_audio(filename="temp.wav", duration=5):
    fs = 16000
    recording = sd.rec(int(duration * fs), samplerate=fs, channels=1)
    sd.wait()
    wav.write(filename, fs, recording)

# 语音识别函数
def transcribe_audio(filename="temp.wav"):
    result = model.transcribe(filename, language="zh")
    return result['text']

# 向 Ollama 提问
def ask_ollama(prompt, model_name="deepseek-coder"):
    url = "http://localhost:11434/api/generate"
    data = {
        "model": model_name,
        "prompt": prompt,
        "stream": False
    }
    try:
        res = requests.post(url, json=data)
        return res.json().get("response", "我没听懂你的问题。")
    except Exception as e:
        return f"出错了：{e}"

# 语音朗读回答
def speak_text(text):
    engine.say(text)
    engine.runAndWait()

# 主流程（在子线程中运行）
def start_voice_assistant():
    button.configure(state="disabled")
    text_output.configure(state="normal")
    text_output.delete("1.0", "end")
    text_output.insert("end", "🎙️ 开始录音中...\n")
    text_output.update()

    record_audio()
    text_output.insert("end", "✅ 录音完成，识别中...\n")
    question = transcribe_audio()
    text_output.insert("end", f"📝 你说了：{question}\n")

    reply = ask_ollama(question)
    text_output.insert("end", f"🤖 回答：{reply}\n")
    text_output.configure(state="disabled")

    speak_text(reply)
    button.configure(state="normal")

# 创建图形界面
ctk.set_appearance_mode("light")
ctk.set_default_color_theme("blue")

app = ctk.CTk()
app.title("🗣️ 本地语音助手")
app.geometry("500x400")

title = ctk.CTkLabel(app, text="🎧 本地语音助手（点击按钮开始说话）", font=("Microsoft YaHei", 18))
title.pack(pady=20)

button = ctk.CTkButton(app, text="🎤 开始录音", font=("Microsoft YaHei", 16), command=lambda: threading.Thread(target=start_voice_assistant).start())
button.pack(pady=20)

text_output = ctk.CTkTextbox(app, width=450, height=220, font=("Microsoft YaHei", 14))
text_output.pack(pady=10)
text_output.configure(state="disabled")

app.mainloop()

---

💡 使用方法

1. 把代码保存为一个文件，比如 gui_voice_assistant.py

2. 在命令提示符中运行：

   python gui_voice_assistant.py

3. 会弹出一个窗口，点击按钮开始语音交互！

---

🎁 打包成 EXE（可选）

你可以用 pyinstaller 把它打包成一个可执行文件：

第一步：安装 PyInstaller

pip install pyinstaller

第二步：打包成 EXE

pyinstaller --noconfirm --onefile --windowed gui_voice_assistant.py

生成的 .exe 文件会在 dist/ 文件夹里，你就可以随时运行，无需打开终端啦！

---

🎉 你现在拥有了一个真正的本地语音助手！

• 🧠 能识别语音

• 🤖 能用 DeepSeek 本地模型回答

• 🔊 能把答案朗读出来

• 🖼️ 有图形界面，操作简单

❤️ 结语

你现在拥有了一个真正的本地语音 AI 助手，能听你说中文，能写代码，还能读出来！比微软小娜还强！