AI语音智能体开发日记（十一）为智能设备“声”临其境——详解音频资源自动化生成流程

开发手记：为智能设备"声"临其境------详解音频资源自动化生成流程

在智能硬件开发中，丰富且恰当的音效与语音提示是提升用户体验的关键一环。然而，手动管理成百上千个音频文件，并将其转换为代码可用的格式，无疑是一项繁琐且易错的工作。

今天，我将详细记录我们项目中一套高效的音频资源自动化生成流程。这套流程通过一个 config.xlsx 配置文件和一套 Python 脚本，实现了从音频源文件到 C 语言头文件的"一键式"生成，极大地提升了开发效率和可维护性。

第一步：准备工作与音频格式规范

在开始之前，我们需要明确系统对原始音频文件的硬性要求。这是保证音频能被正确播放的基础。

根据项目中的 wav_to_opus.py 脚本校验规则，所有输入的 .wav 文件必须满足以下三个条件：

参数	要求	不符合会怎样
采样率	必须是 16000 Hz	直接报错退出
声道	必须是单声道 (Mono)	直接报错退出
位深	必须是 16-bit PCM	直接报错退出

如果你的原始音频不符合这些规范，可以使用 ffmpeg 工具在 Linux 下进行快速转换。例如，将一个名为 水滴音效.wav 的文件转换为标准格式：

复制代码

ffmpeg -i 水滴音效.wav -ar 16000 -ac 1 -sample_fmt s16 水滴音效_16k.wav

第二步：编辑配置文件 (config.xlsx)

这是整个流程的核心。我们不再直接修改代码，而是通过编辑 config.xlsx 表格来管理所有音频资源。

表格的每一行代表一个音频事件，主要包含以下几列：

事件ID: 音频的唯一数字标识。
音频文本: 如果是语音提示，这里填写需要合成的文字内容。
是否生成音频: 标记为"是"表示该音频文本需要发送到云端进行语音合成；标记为"否"则表示使用本地已有的音频文件。
音频路径: 当"是否生成音频"为"否"时，这里填写本地音频文件的路径。

举个例子 ：

假设我们要添加一个新的"水滴提示音"。我们可以在表格末尾新增一行：

事件ID : 13
音频文本 : 水滴提示音
是否生成音频 : 否
音频路径 : ./audio_data/水滴音效.wav

通过这种方式，无论是新增云端合成的语音，还是引入本地的音效，都变得非常直观和简单。

第三步：运行自动化生成脚本

需要用到的命令

复制代码

cd /home/zrh/LN882/qiniu_ota/Dog/HN2506044_V0.7_260721/tools/sbot_audio_gen

rm -rf .venv

python3 -m venv .venv

source .venv/bin/activate

.venv/bin/python3 -m pip install soundfile numpy openpyxl pandas opuslib requests

.venv/bin/pip install -r requirements.txt

配置好 config.xlsx 后，接下来就是见证奇迹的时刻。我们只需运行一个脚本，剩下的工作就全部自动化完成了。

进入脚本目录
复制代码
```
cd tools/sbot_audio_gen
```
执行生成脚本
复制代码
```
bash start_sbot_audio.sh
```

这个 start_sbot_audio.sh 脚本会自动帮你完成以下所有步骤：

环境准备 ：检测并创建 Python 虚拟环境（.venv）。
依赖安装 ：自动安装 requirements.txt 中列出的所有依赖库，如 opuslib (用于 Opus 编码)、openpyxl (用于读取 Excel)、soundfile 等。
核心处理 ：调用 python src/main.py config.xlsx，开始处理音频。

脚本运行后，终端会输出详细的日志信息，例如：

复制代码

1INFO - Excel解析完成, 共解析20条音频配置
2INFO - 开始生成音频文件
3INFO - 成功生成C头文件: output/include/audio_data.h
4INFO - 所有文件生成完成!

生成文件并替换后，可以直接进行定义

第四步：集成生成的音频资源

脚本成功执行后，会在 output/include/ 目录下生成一个全新的 audio_data.h 文件。这个文件就是音频资源的最终形态。

打开 audio_data.h，你会看到所有音频文件都被转换成了一个巨大的二进制数组：

这个数组包含了项目中所有音频的二进制数据。

最后，我们需要将这个新生成的 audio_data.h 文件拷贝到项目源码目录中，替换掉旧文件：

project/ln_model_public/app/servers/qiniu/mcp_server/mcp_tools/smart_toilet/audio_data.h

第五步：在代码中使用音频

资源集成完毕后，我们就可以在代码中通过枚举值来方便地调用它们了。这些枚举定义在 smartbot_audio_res.h 文件中。

在业务逻辑代码中，只需要传入对应的枚举值，系统就能播放指定的音效或语音，实现了数据与逻辑的完美解耦。

总结

通过这套"Excel 配置 + 脚本生成"的自动化流程，我们成功地将音频资源管理从繁琐的手工劳动中解放出来。其核心优势在于：

集中管理：所有音频资源及其元数据都在一个 Excel 表格中清晰可见。
自动化处理：一键完成格式校验、云端合成、编码转换和 C 数组生成。
高效迭代：新增或修改音频提示时，只需修改表格并重新运行脚本，无需触碰核心业务代码。

这套流程不仅适用于音频，其设计思想也可以推广到其他需要批量处理资源文件的场景中，是提升嵌入式开发效率的利器