30行Python代碼打造一款簡單的人工語音對話
@Author:Runsen
1876年,亞歷山大·格雷厄姆·貝爾(Alexander Graham Bell)發明瞭一種電報機,可以通過電線傳輸音頻。托馬斯·愛迪生(Thomas Edison)於1877年發明瞭留聲機,這是第一臺記錄聲音並播放聲音的機器。
最早的語音識別軟件之一是由Bells Labs在1952年編寫的,隻能識別數字。1985年,IBM發佈瞭使用“隱馬爾可夫模型”的軟件,該軟件可識別1000多個單詞。
幾年前,一個replace("?","")
代碼價值一個億
如今,在Python中Tensorflow,Keras,Librosa,Kaldi和語音轉文本API等多種工具使語音計算變得更加容易。
今天,我使用gtts和speech_recognition,教大傢如何通過三十行代碼,打造一款簡單的人工語音對話。思路就是將語音變成文本,然後文本變成語音。
gtts
gtts是將文字轉化為語音,但是需要在VPN下使用。這個因為要接谷歌服務器。
具體gtts的官方文檔:
下面,讓我們看一段簡單的的代碼
from gtts import gTTS def speak(audioString): print(audioString) tts = gTTS(text=audioString, lang='en') tts.save("audio.mp3") os.system("audio.mp3") speak("Hi Runsen, what can I do for you?")
執行上面的代碼,就可以生成一個mp3文件,播放就可以聽到瞭Hi Runsen, what can I do for you?
。這個MP3會自動彈出來的。
speech_recognition
speech_recognition用於執行語音識別的庫,支持在線和離線的多個引擎和API。
speech_recognition具體官方文檔
安裝speech_recognition可以會出現錯誤,對此解決的方法是通過該網址安裝對應的whl包
在官方文檔中提供瞭具體的識別來自麥克風的語音輸入的代碼
下面就是 speech_recognition 用麥克風記錄下你的話,這裡我使用的是
recognize_google,speech_recognition 提供瞭很多的類似的接口。
import time import speech_recognition as sr # 錄下來你講的話 def recordAudio(): # 用麥克風記錄下你的話 print("開始麥克風記錄下你的話") r = sr.Recognizer() with sr.Microphone() as source: audio = r.listen(source) data = "" try: data = r.recognize_google(audio) print("You said: " + data) except sr.UnknownValueError: print("Google Speech Recognition could not understand audio") except sr.RequestError as e: print("Could not request results from Google Speech Recognition service; {0}".format(e)) return data if __name__ == '__main__': time.sleep(2) while True: data = recordAudio() print(data)
下面是我亂說的英語
對話
上面,我們實現瞭用麥克風記錄下你的話,並且得到瞭對應的文本,那麼下一步就是字符串的文本操作瞭,比如說how are you
,那回答"I am fine”
,然後將"I am fine”
通過gtts是將文字轉化為語音
# @Author:Runsen # -*- coding: UTF-8 -*- import speech_recognition as sr from time import ctime import time import os from gtts import gTTS # 講出來AI的話 def speak(audioString): print(audioString) tts = gTTS(text=audioString, lang='en') tts.save("audio.mp3") os.system("audio.mp3") # 錄下來你講的話 def recordAudio(): # 用麥克風記錄下你的話 r = sr.Recognizer() with sr.Microphone() as source: audio = r.listen(source) data = "" try: data = r.recognize_google(audio) print("You said: " + data) except sr.UnknownValueError: print("Google Speech Recognition could not understand audio") except sr.RequestError as e: print("Could not request results from Google Speech Recognition service; {0}".format(e)) return data # 自帶的對話技能(邏輯代碼:rules) def jarvis(): while True: data = recordAudio() print(data) if "how are you" in data: speak("I am fine") if "time" in data: speak(ctime()) if "where is" in data: data = data.split(" ") location = data[2] speak("Hold on Runsen, I will show you where " + location + " is.") # 打開谷歌地址 os.system("open -a Safari https://www.google.com/maps/place/" + location + "/&") if "bye" in data: speak("bye bye") break if __name__ == '__main__': # 初始化 time.sleep(2) speak("Hi Runsen, what can I do for you?") # 跑起 jarvis()
當我說how are you?會彈出I am fine的mp3
當我說where is Chiana?會彈出Hold on Runsen, I will show you where China is.的MP3
同樣也會彈出China的谷歌地圖
本項目對應的Github
以上就是30行Python代碼打造一款簡單的人工語音對話的詳細內容,更多關於Python人工語音對話的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- python語音識別的轉換方法
- 淺談盤點5種基於Python生成的個性化語音方法
- Python調用百度api實現語音識別詳解
- Python 幾行代碼即可實現人臉識別
- Python實現識別圖像中人物的示例代碼