Python 很強大其原因就是因為它龐大的三方庫 , 資源是非常的豐富 , 當然也不會缺少關于音頻的庫
關于音頻, PyAudio 這個庫, 可以實現開啟麥克風錄音, 可以播放音頻文件等等,此刻我們不去了解其他的功能,只了解一下它如何實現錄音的
首先要先 pip 一個 PyAudio
pip install pyaudio
一.PyAudio 實現麥克風錄音
然后建立一個py文件,復制如下代碼
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2
WAVE_OUTPUT_FILENAME = "Oldboy.wav"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("開始錄音,請說話......")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("錄音結束,請閉嘴!")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
嘗試一下,在目錄中出現了一個
Oldboy.wav
文件 , 聽一聽,還是很清晰的嘛
接下來,我們將這段錄音代碼,寫在一個函數里面,如果要錄音的話就調用
建立一個文件 pyrec.py 并將錄音代碼和函數寫在內
# pyrec.py 文件內容
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2
def rec(file_name):
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("開始錄音,請說話......")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("錄音結束,請閉嘴!")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(file_name, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
rec 函數就是我們調用的錄音函數,并且給他一個文件名,他就會自動將聲音寫入到文件中了
二.實現音頻格式自動轉換 并 調用語音識別
錄音的問題解決了,趕快和百度語音識別接在一起使用一下:
不管你的錄音有多么多么清晰,你發現百度給你返回的永遠是:
{'err_msg': 'speech quality error.', 'err_no': 3301, 'sn': '6397933501529645284'} # 音質不清晰
其實不是沒聽清,而是百度支持的音頻格式PCM搞的鬼
所以,我們要將錄制的wav音頻文件轉換為pcm文件
寫一個文件
wav2pcm.py
這個文件里面的函數是專門為我們轉換wav文件的
使用 os 模塊中的
os.system()
方法 這個方法是執行系統命令用的, 在windows系統中的命令就是 cmd 里面寫的東西,dir , cd 這類的命令
# wav2pcm.py 文件內容
import os
def wav_to_pcm(wav_file):
# 假設 wav_file = "音頻文件.wav"
# wav_file.split(".") 得到["音頻文件","wav"] 拿出第一個結果"音頻文件" 與 ".pcm" 拼接 等到結果 "音頻文件.pcm"
pcm_file = "%s.pcm" %(wav_file.split(".")[0])
# 就是此前我們在cmd窗口中輸入命令,這里面就是在讓Python幫我們在cmd中執行命令
os.system("ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s"%(wav_file,pcm_file))
return pcm_file
這樣我們就有了把wav轉為pcm的函數了 , 再重新構建一次咱們的代碼
這次的返回結果還挺讓人滿意的嘛
{'corpus_no': '6569869134617218414', 'err_msg': 'success.', 'err_no': 0, 'result': ['老男孩教育'], 'sn': '8116162981529666859'}
拿到語音識別的字符串了,接下來用這段字符串 語音合成, 學習咱們說出來的話
三.語音合成 與 FFmpeg 播放mp3 文件
拿到字符串了,直接調用synthesis方法去合成吧
這段代碼銜接上一段代碼,成功獲得了 synth.mp3 音頻文件,并且確定了實在學習我們說的話
接下來就是讓我們的程序自動將 synth.mp3 音頻文件播放了 其實PyAudio 有播放的功能,但是操作有點復雜
所以我們還是選擇用簡單的方式解決復雜的問題,就是這么簡單粗暴,是否還記得FFmpeg 呢?
FFmpeg 這個系統工具中,有一個 ffplay 的工具用來打開并播放音頻文件的,使用方法大概是: ffplay 音頻文件.mp3
建立一個playmp3.py文件, 寫一個 play_mp3 的函數用來播放已經合成的語音
# playmp3.py 文件內容
import os
def play_mp3(file_name):
os.system("ffplay %s"%(file_name))
回到主文件,調用playmp3.py文件中的
play_mp3
函數
執行代碼,當你看到 : 開始錄音,請說話......
請大聲的說出: 學IT 找老男孩教育
然后你就會聽到,一個嬌滴滴聲音重復你說的話
四.簡單問答
首先我們要把代碼重新梳理一下:
把語音合成 語音識別部分的代碼獨立成函數放到baidu_ai.py文件中
# baidu_ai.py 文件內容
from aip import AipSpeech
# 這里的三個參數,對應在百度語音創建的應用中的三個參數
APP_ID = "xxxxx"
API_KEY = "xxxxxxx"
SECRET_KEY = "xxxxxxxx"
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def audio_to_text(pcm_file):
# 讀取文件 , 終于得到了PCM文件
with open(pcm_file, 'rb') as fp:
file_context = fp.read()
# 識別本地文件
res = client.asr(file_context, 'pcm', 16000, {
'dev_pid': 1536,
})
# 從字典里面獲取"result"的value 列表中第1個元素,就是識別出來的字符串"老男孩教育"
res_str = res.get("result")[0]
return res_str
def text_to_audio(res_str):
synth_file = "synth.mp3"
synth_context = client.synthesis(res_str, "zh", 1, {
"vol": 5,
"spd": 4,
"pit": 9,
"per": 4
})
with open(synth_file, "wb") as f:
f.write(synth_context)
return synth_file
然后把我們的主文件進行一下修改
import pyrec # 錄音函數文件
import wav2pcm # wav轉換pcm 函數文件
import baidu_ai # 語音合成函數,語音識別函數 文件
import playmp3 # 播放mp3 函數 文件
pyrec.rec("1.wav") # 錄音并生成wav文件,使用方式傳入文件名
pcm_file = wav2pcm.wav_to_pcm("1.wav") # 將wav文件 轉換成pcm文件 返回 pcm的文件名
res_str = baidu_ai.audio_to_text(pcm_file) # 將轉換后的pcm音頻文件識別成 文字 res_str
synth_file = baidu_ai.text_to_audio(res_str) # 將res_str 字符串 合成語音 返回文件名 synth_file
playmp3.play_mp3(synth_file) # 播放 synth_file
然后就是大展宏圖的時候了,展開你們的想象力:
res_str
是字符串,如果字符串等于"你叫什么名字"的時候,我們就要給他一個回答:我的名字叫老男孩教育
新建一個FAQ.py的文件然后建立一個函數faq:
# FAQ.py 文件內容
def faq(Q):
if Q == "你叫什么名字": # 問題
return "我的名字是老男孩教育" # 答案
return "我不知道你在說什么" #問題沒有答案時返
在主文件中導入這個函數,并將語音識別后的字符串傳入函數中
現在來嘗試一下:"你叫什么名字","你今年幾歲了"
成功了,現在你可以對 FAQ.py 這個文件進行更多的問題匹配了
還是那句話,別玩兒壞了
思考題:
1.如何實現一直問答不用問一次停一次?
2.問題那么多,是不是要寫這么多問題呢?
3.如果我問你是誰,是不是要重復也一次 我的名字叫老男孩教育 的答案呢?
總結
以上所述是小編給大家介紹的Python人工智能之路 之PyAudio 實現錄音 自動化交互實現問答 ,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
