【树莓派】用 Python 构建你的智能语音机器人

树莓派准备

包的安装

Python 3 默认安装在 Raspberry Pi 操作系统上，并用于许多重要功能。干扰系统 Python 安装可能会导致操作系统出现问题，因此，如果安装第三方 Python 库，请使用正确的包管理工具，这一点很重要。

有两种方法可以将库安装到默认python 发行版中。您可以使用 apt 并安装预配置的系统软件包，也可以使用 pip 安装未作为 Raspberry Pi OS 的一部分分发的软件包。

例如，要安装 Python 3 库以支持 Raspberry Pi 构建 HAT，您需要：

terminal 复制代码

$ sudo apt install python3-build-hat

但是我们大概率会遇到包管理工具冲突的问题

产生此错误的原因是您尝试将第三方包安装到系统 Python 中。对于 Python 用户来说，一个长期存在的实际问题是操作系统包管理器（如 apt）与 Python 特定的包管理工具（如 pip）之间的冲突。这些冲突包括 Python 级 API 不兼容和文件所有权冲突。

因此，从 Bookworm 开始，通过 pip 安装的软件包必须使用 < /span>venv。虚拟环境是一个容器，您可以在其中安全地安装第三方模块，这样它们就不会干扰或破坏您的 Python 系统。

虚拟环境

要使用虚拟环境，您需要创建一个容器来存储环境。您可以通过多种方法来完成此操作，具体取决于您想要使用 Python 的方式。您可以继续的一种方法是为您创建的每个 Python 项目创建一个新的虚拟环境。在这里，您将创建一个目录来保存您自己的代码以及虚拟环境目录：

terminal 复制代码

$ mkdir my_project
$ cd my_project
$ python -m venv (你的项目名）

如果您现在查看 my_project 目录，您将看到一个名为 你的项目名 的目录。

下一步，我们来通过指令： python -m venv --system-site-packages (你的项目名) 来创建虚拟环境。`

terminal 复制代码

$ source (你的项目名)/bin/activate

(你的项目名) $

现在我们就可以使用 pip 进行安装了。

Pycharm准备

所需要的包

以下是需要安装的一些python依赖包

pip install speech_recognition 安装speech_recognition依赖包, 用于录音、生成wav文件
pip install baidu-aip 安装百度AI的sdk, 调用语音技术接口将音频识别为文本数据返回
pip install pygame 安装pygame依赖包, 将文本信息以音频的格式播放出来

编程逻辑

第一步： "拾音"
第二步： STT转换
第三步： MOSS机器人回复文本
第四步： TTS转换 + 语音合成
第五步：外放语音

第一步：拾音

首先我们测试录音设备是否存在。我们在树莓派终端里面输入指令：

arecord -l

会得到如下回复：

这就是说明我们的设备是存在的。我们也能在这里看到有几个设备，可以选择用哪个。

arecord -D "plughw:3" -f S16_LE -r16000 -d4 /home/admin/PyCode/WS_Project_MOSS/voices/myvoices.wav

python 复制代码

参数解析
- -D 指定录音设备，-D hw:1,0的意思就是选用card1（SmartIC Audio Device)设备录音
- -c 设置通道个数，-c2的意思就是录制2通道的音频文件
- -r 设置采样率，-r16000的意思就是设置采样率为16000
- -f 指定录音格式，-fS16_LE的意思就是录制S16_LE格式的音频文件

-h，---help(帮助）
-V，--version(打印版本信息）
-l，--list-devices(列出全部声卡和数字音频设备）
-L，--list-pcms(列出全部PCM定义）
-D，--device（指定PCM设备名称）
-q，--quiet(安静模式）
-t，--file-type(文件类型voc,wav,raw或au)
-c，--channels(设置通道数）
-f，--format(设置格式)
-r，--rate(设置频率）
-d，--duration（设置持续时间，单位为秒）
-s，--sleep-min（设置最小休眠时间）
-M，--mmap(mmap流）
-N，--nonblock(设置为非块模式）
-B，--buffer-time(缓冲持续时长，单位为微秒）
-v，--verbose(显示PCM结构和设置）
-I，--separate-channels(设置为每个通道一个单独文件）

第二步：语音识别

通过百度语音识别服务（可以去官网上找一下，然后注册应用，获得自己的 APP_ID， APP_KEY， SECRET_KEY）

根据百度语音识别官方给的文档，我们来对接一下这个API接口

python 复制代码

from aip import AipSpeech
import request
import json



# 配置一下API接口所需要的参数
APP_ID = '___________'  
API_KEY = '________________'  
SECRET_KEY = '___________________'  
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)  
path = 'voices/myvoices.wav'


def listen():  
    # 读取录音文件  
    with open(path, 'rb') as fp:  
    voices = fp.read()  
    try:  
        # 参数dev_pid：1536普通话(支持简单的英文识别)、1537普通话(纯中文识别)、1737英语、1637粤语、1837四川话、1936普通话远场  
        result = client.asr(voices, 'wav', 16000, {'dev_pid': 1537})  
        result_text = result["result"][0]  
        print("我听到你说： " + result_text)  
        return result_text  
    except KeyError:  
        print(result.get('err_no'))

第三步：机器人的思考回答

现在我们来等待机器人的回复。这里我们需要调用接口，我们现在使用的是 ERNIE-BOT-4.0，我们后续会尝试一下调用 ChatGPT的API接口，就相当于是把机器人的大脑🧠换一下。

很简单，依据文档，我们来写一下以下两个函数。

python 复制代码

def get_access_token():  
    """  
    使用 API Key，Secret Key 获取access_token，替换下列应用API Key、应用Secret Key  
    """  

    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=你的信息&client_secret=你的信息"  

    payload = json.dumps("")  
    headers = {  
    'Content-Type': 'application/json',  
    'Accept': 'application/json'  
    }  

    response = requests.request("POST", url, headers=headers, data=payload)  
    return response.json().get("access_token")
    

def bot(question):  
    # url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=" + get_access_token()  
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions_pro?access_token=24.3990f1717b7636be7b8a4de154a49b5a.2592000.1705210204.282335-45017968"  

    payload = json.dumps({  
        "messages": [  
        {  
            "role": "user",  
            "content": f"{question}"  
        }]  
        })  
        headers = {  
            'Content-Type': 'application/json'  
        }  

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

    temp = json.loads(response.text)  
    print(temp.get('result'))  
    return temp.get('result')

第四步：TTS转换 + 外放语音

接下来，我们要把机器人回复给我们的文字转换成语音

python 复制代码

import os
import sys


def say(response):  
    result = client.synthesis(f'{response}', 'zh', 1, {  
        'vol': 5,  
    })  

    # 识别正确返回语音二进制 错误则返回dict 参照下面错误码  
    if not isinstance(result, dict):  
        with open('robot/audio.mp3', 'wb') as f:  
            f.write(result)
            
    os.system('sudo aplay /home/admin/PyCode/WS_Project_MOSS/robot/audio.mp3')

第五步：整合

详情请阅览 gitee 仓库源码

我是老狼，欢迎订阅！

【树莓派】用 Python 构建你的智能语音机器人

树莓派准备

包的安装

虚拟环境

Pycharm准备

所需要的包

编程逻辑

第一步： 拾音

第二步：语音识别

第三步：机器人的思考回答

第四步：TTS转换 + 外放语音

第五步：整合

第一步：拾音