搭建简单的智能家居语音控制系统：树莓派+唤醒词+esp8266_家用语音智能系统 lib

为什么要整个这玩意

懒~！对，您没看错，就是因为懒，懒是进步的关键因素，哈哈。因为卧室灯的开关距离的比较远，每次睡觉都感觉不远万里去关掉灯，最崩溃的是已经躺下了，还是会被媳妇吼起来关灯，5555555，于是乎，整了个这玩意

思路

前提：语音控制或者app,再或者web页面控制灯的亮灭，反正就是我不动也能控制，另外原来电路仍然可用。

硬件：树莓派+esp8266+麦克风
软件：语音唤醒+语音转文字+语义判断

树莓派：自己有个3，现状已经出到4了，好像也不贵，选3，3b+都行 。主要用来跑服务的程序，其实用自己家电脑也可以，但一直开着比较费电。
esp8266：用它来控制继电器的开闭，就能实现灯的亮灭啦，单片子几块钱就能买，对于新手还是直接买现成的（20多块钱连app都带了，按上直接能用，但我偏偏要自己写个程序烧进去，哈哈）

开干

1.树莓派装系统：百度一堆，很简单，官网下img镜像，然后软件烧进去就行
2.安装home-assistant:主要是省去了自己写web节面，安装参考：home-asistantan安装

3.语音唤醒：目前比较出名的snowboy，但我在github上新发现了个ZouWu(驺吾，又是一神兽)，Readme里宣称不必snowboy差,看了代码，是非常简洁易上手，提供了c和python的调用例子，不过缺点在于需要自己用树莓派录制三段唤醒词音频发到指定邮箱，没能像snowboy可以直接在网站录制生成模型，很意外的是我发过去没几分钟，模型就给我发回来了，比较赞,分享点其中python录音例子代码，其他的可以去GitHub上看：驺吾。

import argparse
import struct
import os
import sys
import numpy as np
import pyaudio
from datetime import datetime
from threading import Thread
from zouwu import ZouWu

class ZouWuDemo(Thread):              
    def __init__(
        self,
        library_path,
        model_path,
        sensitivities,
        mdl_id):
           
        super(ZouWuDemo, self).__init__()
        self._library_path = library_path
        self._model_path = model_path
        self._sensitivities = sensitivities
        self._mdl_id = mdl_id
        self._CHUNK = 512
               
    def rundemo(self):
        zouwu = None
        p = None
        stream = None
        try:
            zouwu = ZouWu(self._library_path)            
            p = pyaudio.PyAudio()
            stream = p.open(
                rate=16000,
                channels=1,
                format=pyaudio.paInt16,
                input=True,
                frames_per_buffer=2048)
            #load model
            zouwu.LoadModel(self._model_path)
            #set sensitivity
            zouwu.SetParam(self._sensitivities,self._mdl_id)            
            while True:
                #pcm = stream.read(self._CHUNK,exception_on_overflow = False)
                pcm = stream.read(self._CHUNK)
                data = struct.unpack_from("h" * self._CHUNK, pcm)
                result = zouwu.Proc(data)
                if result  > 0:
                   print('[%s] detected keyword %d'  % (str(datetime.now()),result))           
        except KeyboardInterrupt:
            print('demo exiting ...')
        finally:
            if zouwu is not None:
                zouwu.release()
            if stream is not None:
                stream.close()
            if p is not None:
                p.terminate()                       

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--library_path',
        help="Zouwu's dynamic library path",
        type=str,
        default=os.path.join(os.path.dirname(__file__), '../../lib/rpi/libZouwu.so'))
    parser.add_argument(
        '--model_path',
        help='model path',
        type=str,
        default=os.path.join(os.path.dirname(__file__), '../../resources/model/mdl'))
    parser.add_argument('--sensitivities', help='detection sensitivity [0, 1]', default=0.3)
    args = parser.parse_args()
    mdl_id = 1
    ZouWuDemo(
        library_path=args.library_path,
        model_path=args.model_path,
        sensitivities=args.sensitivities,
        mdl_id=mdl_id).rundemo() 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79

4.语音转文字STT：讯飞和百度都能实现语音转文字，效果应该差不多，百度有账户就用百度了，讯飞还的注册，没去折腾，下面是调用的代码,这里是读文件的，可以直接录音传过去识别，自己根据情况改吧，参数数码可以看百度官网文档说明。

RATE = "16000"
FORMAT = "wav"
CUID="wate_play"
DEV_PID="1536"  #普通话识别
framerate=16000
NUM_SAMPLES=2000
channels=1
sampwidth=2
TIME=2

def get_token():
    server = "https://openapi.baidu.com/oauth/2.0/token?"
    grant_type = "client_credentials"
    #API Key
    client_id = "写自己的key"
    #Secret Key
    client_secret = "写自己的key" 
    #拼url
    url ="%sgrant_type=%s&client_id=%s&client_secret=%s"%(server,grant_type,client_id,client_secret)
    #获取token
    res = requests.post(url)
    token = json.loads(res.text)["access_token"]
    return token
#def get_word(token):
def get_word(token,wav):
    with open(wav, "rb") as f:
        speech = base64.b64encode(f.read()).decode('utf8')
    size = os.path.getsize(wav)
    headers = { 'Content-Type' : 'application/json'} 
    url = "https://vop.baidu.com/server_api"
    data={
            "format":FORMAT,
            "rate":RATE,
            "dev_pid":DEV_PID,
            "speech":speech,
            "cuid":CUID,
            "len":size,
            "channel":1,
            "token":token,
        }
    req = requests.post(url,json.dumps(data),headers)
    result = json.loads(req.text)
    print(result)
    ret=result["result"][0]
    return ret
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

5.对返回的文字进行简单的逻辑判断，对灯是开是关，然后封装MQTT协议发出去。
6.esp8266控制继电器程序：我是用arduino写的，然后串口烧到板子里，就是接受的mqtt主题消息进行相关操作，方法见，arduino环境搭建
7.把esp8266节点以开关传感器添加到home-assistant的配置文件中，然后重启下home-assistant，界面就会有控制按钮啦。

最后

使用唤醒词的目的是不希望百度翻译一直听着，什么声音都传百度去了。这个驺吾唤醒的效果我还挺满意，还不错。
发现可以用苹果的siri控制了，貌似网上有教程。