基于树莓派语音控制—LED开关控制

最新推荐文章于 2024-08-13 16:16:01 发布

置顶 Xwei1226

最新推荐文章于 2024-08-13 16:16:01 发布

阅读量8.5k

点赞数 8

分类专栏：语音识别-深度学习 python 文章标签：语音控制语音识别

本文链接：https://blog.csdn.net/xwei1226/article/details/91488801

版权

语音识别-深度学习同时被 2 个专栏收录

64 篇文章 37 订阅

订阅专栏

python

11 篇文章 1 订阅

订阅专栏

最近开源了硕士论文中语音控制LED灯、直流电机以及语音陪护实验的源码，需要硕士论文原文的同学可以发邮件到我的邮箱(18261593885@163.com)或者直接在微信语音识别解码群私聊我，其主要实验内容如下：

1) 实验的具体源码链接：https://download.csdn.net/download/Xwei1226/12740275

2) 语音控制实验(语音控制LED灯以及语音控制直流电机)

3）语音陪护实验

以下内容为实验的具体方法与理论

研究接近两年的语音识别，最近一个月开始准备将自己的研究应用于实践中。从今年5月初开始研究语音控制，到今天才出一个简单的demo，最后演示结果如下：

（https://v.youku.com/v_show/id_XNDIyNDY2MjcxMg==.html?spm=a2h3j.8428770.3416059.1）

整体语音控制架构如下所示：

如果是调用科大讯飞、百度等企业的语音识别API则可以直接忽略服务端的一些操作，按照企业的要求以及通信协议进行文件传输，本文主要涉及客户端、硬件端以及控制端进行详细的阐述，服务器端如果有问题可以直接留言给作者。

一、客户端

客户端即为你所需要接收服务器响应的设备，本文使用的客户端为树莓派3b+(made in japan)，通过WIFI与服务器端进行通信，硬件在第二节讲解，下面贴出一张笔者觉得不错的树莓派GPIO口的示意图：

树莓派基本的操作以及设备连接可以参考如下连接：http://shumeipai.nxez.com/

本文使用的GPIO口为11与6号口。

二、硬件端

本文涉及的硬件包括：

2.1 树莓派3b+；

2.2 麦克风（免驱动）；

2.3 树莓派杜邦线若干；

2.4 LED灯；

2.5 电源；

2.6 串口连接；

2.7 树莓派扩展板等硬件设备。

三、控制端

前面的准备工作完成，则需要进行核心部分进行梳理。首先本文采用的是HTTP协议下的TCP/IP通信协议，为了防止服务端被攻击，笔者设计服务端为动态IP以防上述问题。

3.1 初始方案

首先对自己的树莓派进行声卡的检查以及声卡设备的录音、播放等问题进行排查，此为前提条件，由于之前对于树莓派不熟悉，或由于设备问题，作者在此卡了三天，下面整理一下初始方案：

本文使用的语音识别系统是基于DCNN-CTC构建的系统，如果对端到端感兴趣的朋友不妨关注一下个人博客以及个人github主页，内部有多种语音识别系统构建方法，笔者使用的是音节为建模单元构建的识别系统，具体可以参靠如下连接：（https://github.com/zw76859420）

由于训练语料均采用16khz、16bit的单通道WAV格式的语音文件。我曾在kaldi平台下做过在线语音识别，故而准备参考kaldi的方案移植到树莓派平台下构建在线语音识别系统，初始方案如下：

录音：pyaudio

播放：omxplayer

但是作者不得不觉得很坑爹，树莓派官方是不允许录制16khz 的语料的，但是中文下写了一大堆关于在树莓派平台下使用pyaudio录制16khz 的语音，笔者信以为真，奈何三天，调了无数次的bug，一次次的安装、卸载pyaudio，均有错误产生，最后笔者不得不越墙而过，终于找到了一个替代方案，为了防止国人在此方向上进一步受挫，故而准备开源，调整方案如下：

录音：arecord

播放：omxplayer

故而最后的问题均解决，录音与播放均解决，所以不得不说，车到山前必有路！

四、代码

4.1 首先测试本地的声卡的录音与播放设备的可用性

4.1.1 使用arecord录制16khz、16bit语音，测试是否在pi目录下有语料生成

arecord -D "plughw:1,0" -f S16_LE -d 2 -r 16000 /home/pi/test.wav

4.1.2 测试播放语音功能

omxplayer -o local /home/pi/test.wav

若上述没有问题，则说明声卡可以正常使用，若有问题，一般是可以在pi目录下新建 .asoundrc 的隐藏文件，对其进行配置：

配置的结果如下：

pcm.!default {
  type asym
  capture.pcm "mic"
  playback.pcm "speaker"
}
pcm.mic {
  type plug
  slave {
    pcm "hw:1,0"
  }
}

一般是这里的原因，如果有问题，直接在博主文章下留言，切忌使用pyaudio进行录音。

4.1.3 服务器端测试

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

'''
@author1: zhangwei Jiangnan University
@author2: nielei  Xidian University
asrserver测试专用客户端

'''

import requests
import wave
import numpy as np

# requests.DEFAULT_RETRIES = 5
# s = requests.session()

def read_wav_data(filename):
    '''
    获取文件数据以及采样频率；
    输入为文件位置，输出为wav文件数学表示和采样频率；
    '''
    wav = wave.open(filename, 'rb')
    num_frames = wav.getnframes()
    num_channels = wav.getnchannels()
    framerate = wav.getframerate()
    str_data = wav.readframes(num_frames)
    wav.close()
    wave_data = np.fromstring(str_data, dtype=np.short)
    wave_data.shape = -1, num_channels
    wave_data = wave_data.T
    return wave_data, framerate

url = 'http://10.25.158.143:20000/'

wavsignal, fs = read_wav_data('/home/pi/test_01.wav')
# print(wavsignal)
datas={'token': token, 'fs': fs, 'wavs': wavsignal}
r = requests.post(url, datas)
r.encoding = 'utf-8'
print(r.text)

上述代码是在客户端访问服务器进行通信的代码，对服务器与客户端之间的通信进行处理，在此感谢西安电子科大的某位大牛师弟对此代码进行优化。

4.1.4 语音控制代码

对树莓派的11号引脚进行电压控制，其主要代码如下：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

'''
@author1: zhangwei Jiangnan University
@author2: nielei  Xidian University
asrserver测试专用客户端

'''

import requests
import wave
import numpy as np

# requests.DEFAULT_RETRIES = 5
# s = requests.session()

def read_wav_data(filename):
    '''
    获取文件数据以及采样频率；
    输入为文件位置，输出为wav文件数学表示和采样频率；
    '''
    wav = wave.open(filename, 'rb')
    num_frames = wav.getnframes()
    num_channels = wav.getnchannels()
    framerate = wav.getframerate()
    str_data = wav.readframes(num_frames)
    wav.close()
    wave_data = np.fromstring(str_data, dtype=np.short)
    wave_data.shape = -1, num_channels
    wave_data = wave_data.T
    return wave_data, framerate

url = 'http://10.25.158.143:20000/'

wavsignal, fs = read_wav_data('/home/pi/test_01.wav')
# print(wavsignal)
datas={'token': token, 'fs': fs, 'wavs': wavsignal}
r = requests.post(url, datas)
r.encoding = 'utf-8'
print(r.text)

if __name__ == '__main__':
    # audio_record(out_file=out_file, rec_time=rec_time)
    # print(get_api_result())
    GPIO.setmode(GPIO.BOARD)
    GPIO.setup(11, GPIO.OUT)
    while(True):
        print("=================JNU ASR DEMO==================")
        print("Please tell me the command(limits within 3 seconds)")
        # audio_record(out_file='/home/pi/test_python/wav/01.wav')
        os.system('arecord -D "plughw:1,0" -f S16_LE -d 2 -r 16000 /home/pi/test.wav')
        asr_results = get_api_result()
        print(asr_results)
        # if len(asr_results) != 0:
        #     print(asr_results)
        #     print("=================Start Control====================")

        re_asr_results = "".join(asr_results)
        
        if len(re_asr_results) != 0:

            if 'k' in re_asr_results:
                print("==================开灯======================")
                GPIO.output(11, GPIO.HIGH)
                pass

            if 'gu' in re_asr_results:
                print("==================关灯======================")
                GPIO.output(11, GPIO.LOW)
                pass

            if 'c' in re_asr_results:
                GPIO.output(11, GPIO.LOW)
                break
        else:
            pass

至此，基于DCNN-CTC语音识别系统以及基于树莓派的在线语音识别系统构建完毕，如果对本文的代码有问题，可以直接在下面留言。