Python开发语音聊天机器人_ai语音对话编程教程

知识储备：（语音识别，语音读取，人工智能）

百度AI的连接地址：https://ai.baidu.com/

1、百度AI语音识别技术：百度语音识别通过 REST API 的方式给开发者提供一个通用的 HTTP 接口。上传需要完整的录音文件，录音时长不超过60s。对于任意操作系统，任意编程语言，只要可以对百度语音服务器发起http请求的，均可以使用此接口。

首先我们学习百度给的语音识别demo：https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top

第一步安装python sdk：执行 pip install baidu-aip 命令。（PyCharm直接在File-Setting中搜索baidu-aip导入即可）

第二步新建AipSpeech：AipSpeech是语音识别的Python SDK客户端，为使用语音识别的开发人员提供了一系列的交互方法。

新建AipSpeech代码如下：（APP_ID，API_KEY，SECRET_KEY均在创建应用时都会给出）

from aip import AipSpeech
 
""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
 
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

第三步对语音文件进行识别：client.asr('speech'，‘format’，‘rate’，'dev_pid')，speech为建立包含语音内容的Buffer对象, 语音文件的格式，pcm 或者 wav 或者 amr。不区分大小写；format为音频文件格式，pcm 或者 wav 或者 amr。不区分大小写。推荐pcm文件；rate为采样率，16000，固定值；dev_pid为输入法模型（默认1537），下图为dev_pid的取样表。

语音识别代码如下：

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()
 
# 识别本地文件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, {'dev_pid': 1536})

语音识别 返回数据参数详情：client.asr()返回的是一个字典类型。（下表为返回字典对应键的名称与作用）

返回成功与失败样例：（result为录音文件的识别内容，用户可通过此键来获取）

错误类型：由err_no可以推断出错误类型

 2、语音读取（目的：将用户所讲内容打印至客户端）：

PyAudio的应用和使用，此第三方库可以进行录音，播放，生成wav文件等等。

第一步安装PyAudio：PyCharm直接在File-Setting中搜索PyAudio导入,同导入百度AI类似。

第二步实现对于音频文件的录制（wave库和PyAudio库的使用）：

音频文件的录制：

from pyaudio import PyAudio,paInt16
import wave,time
def SaveVoice():
    pa=PyAudio()
    wf=wave.open(r'T.wav','wb')#打开wave文件
    wf.setnchannels(1)#配置声道数
    wf.setsampwidth(2)# 采样宽度2bytes
    wf.setframerate(16000)#采样率
    stream=pa.open(format=paInt16,channels=wf.getnchannels(),rate=wf.getframerate(),input=True,frames_per_buffer=1024)  #打开一个stream
    buff=[]#存储声音信息
    start=time.time()#开始运行时间戳
    print('say:')
    while time.time()<start+6:#录制6秒
        buff.append(stream.read(wf.getframerate()))
    stream.close()#关闭stream
    pa.terminate()
    wf.writeframes(b''.join(buff))
    wf.close()#关闭wave

或者使用第三方库SpeechRecognition ：pip install SpeechRecognition即可

def my_record(rate=16000):
    r = sr.Recognizer()
    with sr.Microphone(sample_rate=rate) as source:
        print("please say something")
        audio = r.listen(source)#读入声音信息
 
    with open("T.wav", "wb") as f:
        f.write(audio.get_wav_data())#得到wave信息写入音频文件
    print("录音完成！")

3、构建一个机器人（图灵机器）：连接http://www.turingapi.com/

申请一个账号即可免费创建属于自己的机器人（可在官网上对其属性进行设置），普通注册用户一天可以免费调用100次。

使用说明：1、编码方式UTF-8；2、接口地址：http://openapi.tuling123.com/openapi/api/v2

3、请求方式：http post；4、参数格式：json格式；（具体属性的参数说明详见下表）

{
	"reqType":0,#数据类型为整型，用于区分传入的数据类型，0-文本(默认)、1-图片、2-音频
    "perception": {#必填项，用户输入的数据
        "inputText": {#非必填项，用于保存文本信息
            "text": ""#string类型，必填项，文本内容
        },
        "inputImage": {#非必填项，用于保存图片信息
            "url": "imageUrl"#string类型，必填项，图片地址
        },
        "selfInfo": {#非必填项，用于识别用户信息
            "location": {
                "city": "",
                "province": "",
                "street": ""
            }
        }
    },
    "userInfo": {#必填项，识别用户信息
        "apiKey": "",#此处为图灵机器人的apiKey
        "userId": ""
    }
}

参数说明

perception

注意：输入参数必须包含inputText或inputImage或inputMedia！（必须有一个存在）

inputText

inputImage

inputMedia

selfInfo

location

userInfo

 返回成功与失败的示例：

失败样例：（只返回错误提示类型）

{#返回失败信息
	'intent':
		{
        	'code':5000#错误码，0表示上传成功。
    	}
}
异常码	说明
5000	无解析结果
6000	暂不支持该功能
4000	请求参数格式错误
4001	加密方式错误
4002	无功能权限
4003	该apikey没有可用请求次数
4005	无功能权限
4007	apikey不合法
4100	userid获取失败
4200	上传格式错误
4300	批量操作超过限制
4400	没有上传合法userid
4500	userid申请个数超过限制
4600	输入内容为空
4602	输入文本内容超长(上限150)
7002	上传信息失败
8008	服务器错误
0	上传成功

 成功样例：以询问酒店为例

{
    "intent": {#用于表示请求意图
        "code": 10005,
        "intentName": "",
        "actionName": "",
        "parameters": {
            "nearby_place": "酒店"
        }
    },
    "results": [#输出结果集合
        {
         	"groupType": 1,
            "resultType": "url",
            "values": {
                "url": "http://m.elong.com/hotel/0101/nlist/#indate=2016-12-10&outdate=2016-12-11&keywords=%E4%BF%A1%E6%81%AF%E8%B7%AF"
            }
        },
        {
         	"groupType": 1,
            "resultType": "text",
            "values": {#输出值
                "text": "亲，已帮你找到相关酒店信息"#机器反馈信息
            }
        }
    ]
}

参数说明

intent

results

 通过requests库的post方法将json数据和编码格式UTF-8（import requests）

import requests#导入requests库，多用于网络爬虫
import json#导入json库
TulingUrl='http://openapi.tuling123.com/openapi/api/v2'
turing_api_key = "你申请的图灵机器人id"
def RobotSpeak(usersay="你好"):#默认为对话你好
    robot={
        "perception": {
            "inputText": {
                "text": usersay#用户询问内容
            }
        },
        "userInfo": {
            "apiKey": turing_api_key ,
            "userId": 'Dudu'#识别用户可随机书写
         }
    }
    response=json.loads(requests.post(TulingUrl,None,robot,headers={'Content-Type':'charset=UTF-8'}).text)
    print(response)
if __name__=='__main__':
    RobotSpeak('你叫什么名字')

到此位置我们基本可以实现简单的人机交互功能，即用户说一句话机器给出相应的答复，但仅仅是文字的输入输出似乎满足不了我们的需求，我们可以在此基础上扩展新的功能，比如让机器将反馈的信息以语音的形式得以呈现。

进阶部分（语音输出反馈信息）：

Python给我们提供了一个第三方库pyttsx，可以实现文字转换语音的基本功能。

import pyttsx3#导入第三方库
engine=pyttsx3.init()#初始化engine
rate = engine.getProperty('rate')
engine.setProperty('rate', rate-66)#设置语速
engine.say('要说的内容')
engine.runAndWait()#没有此句无声音

完整聊天机器人（代码）：

from aip import AipSpeech
from pyaudio import PyAudio,paInt16
import requests,json,wave,time,pyttsx3
#百度AI，配置信息
APP_ID = ''#百度ai应用id
API_KEY = ''#百度ai应用的键值
SECRET_KEY = ''
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
#图灵机器，配置信息
TulingUrl='http://openapi.tuling123.com/openapi/api/v2'
turing_api_key = ""#图灵机器人api_key
 
# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()
 
#用户语音输入
def SaveVoice():
    pa=PyAudio()
    wf=wave.open(r'T.wav','wb')#打开wave文件
    wf.setnchannels(1)#配置声道数
    wf.setsampwidth(2)# 采样宽度2bytes
    wf.setframerate(16000)#采样率
    stream=pa.open(format=paInt16,channels=wf.getnchannels(),rate=wf.getframerate(),input=True,frames_per_buffer=1024)  #打开一个stream
    buff=[]#存储声音信息
    start=time.time()#开始运行时间戳
    print('用户说：')
    while time.time()<start+6:#录制6秒
        buff.append(stream.read(wf.getframerate()))
    stream.close()#关闭stream
    pa.terminate()
    wf.writeframes(b''.join(buff))
    wf.close()#关闭wave
 
#接受机器人响应
def RobotSpeakText(usersay="你好"):
    robot={
        "perception": {
            "inputText": {
                "text": usersay
            }
        },
        "userInfo": {
            "apiKey": turing_api_key ,
            "userId": 'Dudu'
         }
    }
    response=json.loads(requests.post(TulingUrl,None,robot,headers={'Content-Type':'charset=UTF-8'}).text)
    return str(response['results'][0]['values']['text'])
 
#语音发声
def RobotVoice(robotsay="我没听清，你在说一遍"):
    engine=pyttsx3.init()
    rate=engine.getProperty('rate')
    engine.setProperty('rate',rate-66)
    engine.say(robotsay)
    engine.runAndWait()
 
#主函数
def main():
    while True:
        try:
            SaveVoice()
            result = client.asr(get_file_content('T.wav'), 'wav', 16000, {'dev_pid': 1536})  # 识别本地文件
            usersay=result['result'][0]
            print(usersay)
            robotsay=RobotSpeakText(usersay)
            print('小嘟嘟说：')
            print(robotsay)
            RobotVoice(robotsay)
        except:#异常处理
            break
 
if __name__=='__main__':
    main()