1876年，亚历山大·格雷厄姆·贝尔(Alexander Graham Bell)发明了一种电报机，可以通过电线传输音频。托马斯·爱迪生(Thomas Edison)于1877年发明了留声机，这是第一台记录声音并播放声音的机器。

最早的语音识别软件之一是由Bells Labs在1952年编写的，只能识别数字。1985年，IBM发布了使用“隐马尔可夫模型”的软件，该软件可识别1000多个单词。

几年前，一个replace(“?”,“”)代码价值一个亿

如今，在Python中Tensorflow，Keras，Librosa，Kaldi和语音转文本API等多种工具使语音计算变得更加容易。

今天，我使用gtts和speech_recognition，教大家如何通过三十行代码，打造一款简单的人工语音对话。思路就是将语音变成文本，然后文本变成语音。

gtts

gtts是将文字转化为语音，但是需要在虚拟网络下使用。这个因为要接谷歌服务器。

具体gtts的官方文档：

下面，让我们看一段简单的的代码

from gtts import gTTS

def speak(audioString):

print(audioString)

tts = gTTS(text=audioString,)

tts.save("audio.mp3")

os.system("audio.mp3")

speak(“Hi Runsen, what can I do for you?”)

执行上面的代码，就可以生成一个mp3文件，播放就可以听到了Hi Runsen, what can I do for you?。这个MP3会自动弹出来的。

speech_recognition

speech_recognition用于执行语音识别的库，支持在线和离线的多个引擎和API。

speech_recognition具体官方文档

安装speech_recognition可以会出现错误，对此解决的方法是通过该网址安装对应的whl包

在官方文档中提供了具体的识别来自麦克风的语音输入的代码

下面就是 speech_recognition 用麦克风记录下你的话，这里我使用的是recognize_google，speech_recognition 提供了很多的类似的接口。

import time

import speech_recognition as sr

录下来你讲的话

def recordAudio():

# 用麦克风记录下你的话

print("开始麦克风记录下你的话")

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)

下面是我乱说的英语



对话

上面，我们实现了用麦克风记录下你的话，并且得到了对应的文本，那么下一步就是字符串的文本操作了，比如说how are you，那回答”I am fine”，然后将”I am fine”通过gtts是将文字转化为语音

=# @Author：Runsen

–

– coding: UTF-8 –

–

import speech_recognition as sr

from time import ctime

import time

import os

from gtts import gTTS

讲出来AI的话

def speak(audioString):

print(audioString)

tts = gTTS(text=audioString,)

tts.save("audio.mp3")

os.system("audio.mp3")
# 录下来你讲的话

def recordAudio():

# 用麦克风记录下你的话

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
# 自带的对话技能（逻辑代码：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.")

        #打开谷歌地址

        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()

当我说how are you?会弹出I am fine的mp3


当我说where is Chiana?会弹出Hold on Runsen, I will show you where China is.的MP3



同样也会弹出China的谷歌地图



文章来源：网络 版权归原作者所有

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理