在树莓派上如何使用 Vosk检测唤醒词

一、在树莓派上使用 Vosk 的步骤

Vosk 是一个轻量级的开源语音识别工具包，能在树莓派上高效运行。下面为你详细介绍在树莓派上使用 Vosk 的步骤：

1. 安装必要的依赖

首先，你需要更新系统软件包列表，并且安装一些必要的依赖库。在树莓派的终端中运行以下命令：

bash 复制代码

sudo apt-get update
sudo apt-get install -y python3 python3-pip python3-dev portaudio19-dev

上述命令中，python3 是 Python 解释器，python3-pip 用于安装 Python 包，python3-dev 是 Python 开发所需的头文件，portaudio19-dev 则是用于音频输入输出的库。

2. 安装 Vosk Python 库

使用 pip 来安装 Vosk 的 Python 库：

bash 复制代码

pip3 install vosk

3. 下载语言模型

Vosk 支持多种语言，你需要根据自己的需求下载对应的语言模型。你可以从 Vosk 官网下载适合树莓派的模型。以英文模型为例，你可以使用以下命令下载并解压模型：

bash 复制代码

wget https://alphacephei.com/vosk/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip

4. 编写并运行示例代码

以下是一个简单的 Python 示例代码，用于实现语音识别功能：

python 复制代码

import os
import wave
import json
from vosk import Model, KaldiRecognizer

# 检查模型是否存在
if not os.path.exists("vosk-model-small-en-us-0.15"):
    print ("Please download the model from https://alphacephei.com/vosk/models and unpack as'model' in the current folder.")
    exit (1)

# 打开音频文件
wf = wave.open("test.wav", "rb")
if wf.getnchannels() != 1 or wf.getsampwidth() != 2 or wf.getcomptype() != "NONE":
    print ("Audio file must be WAV format mono PCM.")
    exit (1)

# 初始化模型和识别器
model = Model("vosk-model-small-en-us-0.15")
rec = KaldiRecognizer(model, wf.getframerate())

# 逐块读取音频数据并进行识别
while True:
    data = wf.readframes(4000)
    if len(data) == 0:
        break
    if rec.AcceptWaveform(data):
        print(rec.Result())
    else:
        print(rec.PartialResult())

# 输出最终识别结果
print(rec.FinalResult())

5. 代码解释

导入必要的库 ：导入 os、wave、json 以及 vosk 库中的 Model 和 KaldiRecognizer。
检查模型是否存在：确保你已经正确下载并解压了语言模型。
打开音频文件 ：这里假设你有一个名为 test.wav 的音频文件，该文件必须是单声道、16 位采样宽度的 PCM 格式。
初始化模型和识别器 ：使用下载的语言模型初始化 Model 对象，并创建一个 KaldiRecognizer 实例。
逐块读取音频数据并进行识别 ：使用 AcceptWaveform 方法逐块处理音频数据，并输出识别结果。
输出最终识别结果：最后输出整个音频文件的最终识别结果。

6. 运行代码

将上述代码保存为一个 Python 文件（例如 vosk_demo.py），然后在终端中运行：

bash 复制代码

python3 vosk_demo.py

按照以上步骤操作，你就可以在树莓派上使用 Vosk 进行语音识别了。如果你想实现实时语音识别，可以结合 pyaudio 库来获取麦克风输入。

二、用 Vosk 做唤醒词检测的方法

Vosk 本身主要是用于语音识别，不过可以借助它来实现简单的唤醒词检测功能。下面为你详细介绍实现步骤与示例代码：

1. 安装依赖

要保证已经安装了 Vosk 和 pyaudio 库。若尚未安装，可使用如下命令进行安装：

bash 复制代码

pip install vosk pyaudio

2. 下载语言模型

从 Vosk 官网下载合适的语言模型。例如，若要进行中文唤醒词检测，可下载中文模型。

3. 编写代码实现唤醒词检测

以下是一个 Python 示例代码，用于实现简单的唤醒词检测：

python 复制代码

import os
import pyaudio
from vosk import Model, KaldiRecognizer

# 配置参数
model_path = "vosk-model-cn-0.22"  # 替换为你下载的模型路径
wake_word = "你好"  # 替换为你想要的唤醒词
sample_rate = 16000
chunk_size = 1024

# 检查模型是否存在
if not os.path.exists(model_path):
    print("请下载模型并解压到指定路径。")
    exit(1)

# 初始化模型和识别器
model = Model(model_path)
rec = KaldiRecognizer(model, sample_rate)

# 初始化 PyAudio
p = pyaudio.PyAudio()
stream = p.open(format=pyaudio.paInt16,
                channels=1,
                rate=sample_rate,
                input=True,
                frames_per_buffer=chunk_size)

print("开始监听唤醒词...")

try:
    while True:
        data = stream.read(chunk_size)
        if len(data) == 0:
            break
        if rec.AcceptWaveform(data):
            result = rec.Result()
            text = eval(result)["text"]
            if wake_word in text:
                print("唤醒词已检测到！")
                # 在这里可以添加唤醒后的操作，例如调用其他函数
except KeyboardInterrupt:
    print("停止监听。")
finally:
    # 清理资源
    stream.stop_stream()
    stream.close()
    p.terminate()