离线语音识别+青云客语音机器人（幼儿园级别教程）

1、使用步骤

确保已安装以下库：

python 复制代码

pip install vosk sounddevice requests pyttsx3

2、下载 Vosk 模型：

下载适合的中文模型，如 vosk-model-small-cn-0.22。

下载地址：

https://alphacephei.com/vosk/models

将模型解压后放置在代码中指定的路径 MODEL_PATH。

我选择放到项目的根目录下

如下图：

3、插麦克风

记得插个耳机当麦克风哦！！！

4、完整代码

python 复制代码

import os
import sounddevice as sd
import queue
import vosk
import sys
import json
import pyttsx3
import requests
import threading

# 初始化语音合成引擎
def init_tts():
    tts_engine = pyttsx3.init()
    tts_engine.setProperty('rate', 150)  # 设置语速
    tts_engine.setProperty('volume', 1.0)  # 设置音量
    return tts_engine

# 语音输出函数
def speak(tts_engine, text):
    tts_engine.say(text)
    tts_engine.runAndWait()

# 聊天机器人接口
class ChatBot:
    def __init__(self, api_url, key="free", appid="0"):
        self.api_url = api_url
        self.key = key
        self.appid = appid

    def send_message(self, message):
        params = {
            "key": self.key,
            "appid": self.appid,
            "msg": message
        }
        try:
            response = requests.get(self.api_url, params=params)
            response.raise_for_status()  # 检查请求是否成功
            data = response.json()
            if data.get("result") == 0:
                return data.get("content")
            else:
                return "对不起，我无法处理您的请求。"
        except requests.RequestException as e:
            return f"请求失败：{e}"

# 初始化模型路径
MODEL_PATH = "vosk-model-small-cn-0.22"  # 替换为模型的路径
if not os.path.exists(MODEL_PATH):
    print(f"模型路径不存在: {MODEL_PATH}")
    sys.exit(1)

# 加载 Vosk 模型
try:
    model = vosk.Model(MODEL_PATH)
    print(f"模型加载成功: {MODEL_PATH}")
except Exception as e:
    print(f"加载模型时出错: {e}")
    sys.exit(1)

q = queue.Queue()
stop_signal = threading.Event()

# 音频流回调函数
def callback(indata, frames, time, status):
    if status:
        print(f"状态错误: {status}", file=sys.stderr)
    q.put(bytes(indata))

# 实时语音识别函数
def recognize(tts_engine, chatbot):
    print("请开始说话...输入 'q' 并按回车退出。")
    try:
        with sd.RawInputStream(samplerate=16000, blocksize=8000, dtype="int16",
                               channels=1, callback=callback):
            rec = vosk.KaldiRecognizer(model, 16000)
            while not stop_signal.is_set():
                try:
                    # 设置超时，避免队列阻塞导致无法响应中断
                    data = q.get(timeout=0.5)
                    if rec.AcceptWaveform(data):
                        result = json.loads(rec.Result())
                        recognized_text = result.get('text', '')
                        if recognized_text:
                            print(f"\n你: {recognized_text}")

                            # 调用聊天机器人
                            bot_response = chatbot.send_message(recognized_text)
                            print(f"机器人: {bot_response}")

                            # 语音输出机器人回复
                            speak(tts_engine, bot_response)
                    else:
                        partial_result = json.loads(rec.PartialResult()).get('partial', '')
                        if partial_result:
                            print(f"\r临时识别中: {partial_result}", end="")
                except queue.Empty:
                    # 超时后检查停止信号
                    continue
    except Exception as e:
        print(f"发生错误: {e}")
    finally:
        print("清理资源并退出。")

# 主线程监听用户输入
def listen_for_exit():
    while True:
        user_input = input()
        if user_input.strip().lower() == 'q':
            stop_signal.set()
            print("退出指令收到，程序即将退出。")
            break

if __name__ == "__main__":
    # 初始化语音合成引擎
    tts_engine = init_tts()

    # 初始化聊天机器人
    chatbot = ChatBot(api_url="http://api.qingyunke.com/api.php")

    # 欢迎语音介绍
    welcome_message = "我是小菲菲，很高兴为你服务！"
    print(f"机器人: {welcome_message}")
    speak(tts_engine, welcome_message)

    # 创建监听输入的线程
    input_thread = threading.Thread(target=listen_for_exit)
    input_thread.daemon = True
    input_thread.start()

    # 启动实时语音识别和对话
    recognize(tts_engine, chatbot)

感谢您的支持和关注！！

也支持您的继续创新！！