语音交互程序：语音识别、语音输出、录音计算

绝地灬酷狼 2023-03-02 07:49 59阅读 0赞

### 语音交互程序 ###

*  预览
 *  一、简介
 *  二、构成说明
 *   *  （一）语音识别与语音输出
     *  （二）命令读取模块
 *  三、功能说明
 *  四、模块下载
 *  五、示例完整版本
 *  六、补充：实现交互等待即唤醒
 *   *  (一）唤醒过程说明
     *  （二）下载方式

# 预览 #

测试预览，这是完整版本的4倍速度（加速是一件比较麻烦的事，因为moviepy加速时只对视频加速，不对音频加速，因此需要提取无音频的视频进行加速、然后进行音频加速、最后合成）

语音控制程序示例（4倍快速剪辑版）

# 一、简介 #

语音命令控制即通过语音实现对于相应任务的完成，此API接口主要实现语音交互式输出，即在语音提示下完成任务所需的人工信息；简单的说就是语音转文本；但是又不止于语音转文本，该模块包括了语音识别即语音转文本、语音输出即文本转语音以及录音判断功能

# 二、构成说明 #

程序一共是由 一个三个模块：命令读取（puaudio录音）、命令识别（谷歌语音识别）、命令输出（百度语音）

## （一）语音识别与语音输出 ##

语音识别利用的是谷歌语音识别，实测是在所有语音识别中效果最好的，其余的百度语音识别以及cmu均失败不准确，确定在于需要挂上vpn

语音输出使用时的百度的语音输出，相对于pyttsx3以及win32语音输出来说，百度语音识别可以支持中文

以上两个使用的是谷歌平台以及百度平台的接口，并没有真正的识别模型，而有识别模型的speech\_recognition中的PocketSphinx识别准确率特别低，总体上只是进行了组合（虽然组合也是一种智力成果，但是毕竟只是在调包）

## （二）命令读取模块 ##

真正贡献了智力成果的地方，是对于命令接收程序即录音实现了比较智能的等待——一个简单的算法。等待一共两个条件，即长期不说话（5秒）以及超时即即使说话时间过长也会退出（20秒）,看起来似乎很短，但是在剪辑视频中可见其实并不短了，因为几乎每次都是因为命令完成而退出，几乎不会由于20秒的长命令时间退出。当然这个问题在命令复杂的时候会不合时宜，但是命令过于复杂时，现在计算机技术还不能完成。

虽然在语音查询天气的示例中使用了一些自然语音识别技术，但是本质上和上面是一样的，就是将复杂的命令进行切分，切为简单的命令；如果切分的不对或者切分的简单命令不在命令库中，复杂命令依然不能判断。其中自然语言处理主要是最基础的jieba切词，然后使用fuzzywuzzy模块进行模糊匹配，去语料库中匹配，比如在天气查询中，语音输入长沙，那么就会对全国各市县进行模糊匹配，只有匹配结果大于等于90分的才能进入并作为命令输出。然而

![在这里插入图片描述][20200728134200763.png]

这里比较麻烦的是可能存在多个类似的匹配结果，如果继续询问到底是长沙镇、长沙乡、长沙市又比较麻烦，所以选择尽量大的地名作为命令结果，输出长沙市的天气。

# 三、功能说明 #

功能类似于家庭音箱，小爱同学；

优点：首先，相比于小爱同学的优点在于，可扩散，用统计学的术语来说就是程序泛化能力强，只要是能够提供API接口的程序都可以运用、  
其次，内部功能可以继续扩展，具有极强的个性，相对完美的适应于个人

缺点：谷歌语音识别需要挂vpn,而百度语音可能存在次数限制，虽然现在没有遇到这个限制（说明不商用可能是足够的）

# 四、模块下载 #

该语音命令模块上传到了GitHub上，链接: [reporter-law/speak\_command][reporter-law_speak_command].  
直接

pip install speak_command

亦可

# 五、示例完整版本 #

本来在“开始”命令剪辑了一个阅兵时的命令“开始”,但是审核不过，可能需要肖像权

语音命令模块

# 六、补充：实现交互等待即唤醒 #

## (一）唤醒过程说明 ##

实现语音交互程序的唤醒非常简单，需要一直调用语音识别，如果语音命令含有唤醒词就进入语音交互，否者继续进行等待，类似于对小爱音箱说“小爱同学”才会启动

源码：

from apscheduler.schedulers.blocking import BlockingScheduler
    
    def wake_speak():
     """语音唤醒"""
    filename = "J:\pyinstaller\Python3.8版本项目\语音命令库\语音命令模块\录音"
    if not os.path.exists(filename):
        os.makedirs(filename)
    file = filename+"\waking.wav"
    r(file)
    text = kf(file)
    print(text)
    if "语音命令" in text:
        print("进去正式命令读取阶段")
        text = sc.command_speak()
        return text
    else:
        print("\r非唤醒命令",end="")
    
    
    
    
    sched = BlockingScheduler()  # 创建调度器
    sched.add_job(wake_speak, 'interval', seconds=15)  # 每隔5秒执行一次
    sched.start()

其实就是通过apscheduler，不停的调度  
将之放入任务计划程序就可以实现唤醒以及语音命令，将语音命令的输出作为启动其他程序的接口完成完整的语音控制

## （二）下载方式 ##

1.whl文件：链接: [link][].

2、tar.gz压缩包：链接: [link][link 1].

3.pypi上也上传的，但是有点小问题，不想对版本号进行迭代，就没有上传了

pip install speak_command

[20200728134200763.png]: /images/20230208/82a7281011884fab9b05e6fab5890e89.png
[reporter-law_speak_command]: https://github.com/reporter-law/speak_command
[link]: https://download.csdn.net/download/python__reported/12679861
[link 1]: https://download.csdn.net/download/python__reported/12679859