最近用樹莓派實現(xiàn)了一個能和人對話的機器人，簡要介紹一下。
樹莓派（Raspberry Pi）是世界上最流行的微型電腦主板，是開源硬件的領(lǐng)導(dǎo)產(chǎn)品，它為學(xué)生計算機編程教育而設(shè)計，只有信用卡大小，且價格低廉。支持linux(debian)等操作系統(tǒng)。最重要的是資料完善，社區(qū)活躍。
我用的是樹莓派B+版本，基本配置是博通BCM2836處理器，4核900M主頻，1G RAM。
我的目標是做成一個和人對話的機器人，這就需要機器人有輸入設(shè)備和輸出設(shè)備。輸入設(shè)備是麥克風(fēng)，輸出可以是HDMI、耳機或音響，我這里用了音響。下面是我的樹莓派照片。4個USB接口分別連了無線網(wǎng)卡、無線鍵盤、麥克風(fēng)、音響供電。
我們可以把機器人的對話分成三個部分：聽、思考、說。
“聽”，是把人說的話記錄下來，并轉(zhuǎn)換成文字。
“思考”，就是根據(jù)不同的輸入給出不同的輸出。比如，對方說“現(xiàn)在時間”，你就可以回答“現(xiàn)在是北京時間xx點xx分”。
“說”，是把文字轉(zhuǎn)換成語音，并播放出來。
這三個部分涉及到大量語音識別、語音合成、人工智能等技術(shù)，這些都是要花大量時間精力研究的，好在有些公司已經(jīng)開放了接口給客戶使用。這里，我選擇了百度的API。下面分別說明這三個部分的實現(xiàn)。
“聽”
首先是把人說的話錄制下來，我使用了arecord工具。命令如下：
- arecord -D "plughw:1" -f S16_LE -r 16000 test.wav
其中，-D參數(shù)后接錄制設(shè)備，連接麥克風(fēng)后，樹莓派上有2個設(shè)備：內(nèi)部設(shè)備和外部usb設(shè)備，plughw:1代表使用外部設(shè)備。-f表示錄制的格式，-r表示聲音采樣頻率。由于后面提到的百度語音識別對音頻文件格式是有要求的，我們需要錄制成符合要求的格式。另外，在這里我沒有指定錄制的時間，它會一直錄制下去，直到用戶按下ctrl-c。錄制后的音頻文件保存為test.wav。
接下來，我們要把音頻轉(zhuǎn)換成文字，即語音識別（asr），百度的語音開放平臺提供了免費的服務(wù)，并支持REST API
文檔見：
http://yuyin.baidu.com/docs/asr/57 流程基本就是獲取token，把需要識別的語音信息、語音數(shù)據(jù)、token等發(fā)送給百度的語音識別服務(wù)器，就能獲取到對應(yīng)的文字。因為服務(wù)器支持REST API，我們可以用任何語言來實現(xiàn)客戶端的代碼，這里使用的是python
- # coding: utf-8
- import urllib.request
- import json
- import base64
- import sys
- def get_access_token():
- url = "https://openapi.baidu.com/oauth/2.0/token"
- grant_type = "client_credentials"
- client_id = "填寫API Key?"
- client_secret = "填寫Secret Key"
- url = url + "?" + "grant_type=" + grant_type + "&" + "client_id=" + client_id + "&" + "client_secret=" + client_secret
- resp = urllib.request.urlopen(url).read()
- data = json.loads(resp.decode("utf-8"))
- return data["access_token"]
- def baidu_asr(data, id, token):
- speech_data = base64.b64encode(data).decode("utf-8")
- speech_length = len(data)
- post_data = {
- "format" : "wav",
- "rate" : 16000,
- "channel" : 1,
- "cuid" : id,
- "token" : token,
- "speech" : speech_data,
- "len" : speech_length
- }
- url = "http://vop.baidu.com/server_api"
- json_data = json.dumps(post_data).encode("utf-8")
- json_length = len(json_data)
- #print(json_data)
- req = urllib.request.Request(url, data = json_data)
- req.add_header("Content-Type", "application/json")
- req.add_header("Content-Length", json_length)
- print("asr start request\n")
- resp = urllib.request.urlopen(req)
- print("asr finish request\n")
- resp = resp.read()
- resp_data = json.loads(resp.decode("utf-8"))
- if resp_data["err_no"] == 0:
- return resp_data["result"]
- else:
- print(resp_data)
- return None
- def asr_main(filename):
- f = open(filename, "rb")
- audio_data = f.read()
- f.close()
- token = get_access_token()
- ## token = "以上獲取token令牌可以保持下來，不用一直獲取，一個月有效"
- uuid = "填寫AppID"
- resp = baidu_asr(audio_data, uuid, token)
- print(resp[0])
- return resp[0]
“思考”這里我使用了圖靈機器人。其文檔見：
http://www.tuling123.com/help/h_cent_webapi.jhtml?nav=doc它的使用非常簡單，這里不再贅述，代碼如下：
“說”先需要把文字轉(zhuǎn)換成語音，即語音合成（tts）。然后把聲音播放出來。
百度的語音開放平臺提供了tts的接口，并可配置男女聲、語調(diào)、語速、音量。服務(wù)器返回mp3格式的音頻數(shù)據(jù)。我們把數(shù)據(jù)以二進制方式寫入文件中。
詳見
http://yuyin.baidu.com/docs/tts/136 代碼如下：
- # coding: utf-8
- import urllib.request
- import json
- import sys
- def baidu_tts_by_post(data, id, token):
- post_data = {
- "tex" : data,
- "lan" : "zh",
- "ctp" : 1,
- "cuid" : id,
- "tok" : token,
- }
- url = "http://tsn.baidu.com/text2audio"
- post_data = urllib.parse.urlencode(post_data).encode('utf-8')
- #print(post_data)
- req = urllib.request.Request(url, data = post_data)
- print("tts start request")
- resp = urllib.request.urlopen(req)
- print("tts finish request")
- resp = resp.read()
- return resp
- def tts_main(filename, words):
- token = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
- text = urllib.parse.quote(words)
- uuid = "填寫AppID"
- resp = baidu_tts_by_post(text, uuid, token)
- f = open("test.mp3", "wb")
- f.write(resp)
- f.close()
得到音頻文件后，安裝mpg123：
sudo apt-get install mpg123 ，可以使用mpg123播放器播放。
整合最后，把這三個部分組合起來。
可以先把python相關(guān)的代碼整合成main.py，如下：
- import asr
- import tts
- import robot
- words = asr.asr_main("test.wav")
- new_words = robot.Tuling(words)
- tts.tts_main("test.mp3", new_words)
再使用腳本，調(diào)用相關(guān)工具：
- #! /bin/bash
- arecord -D "plughw:1" -f S16_LE -r 16000 test.wav
- python3 main.py
- mpg123 test.mp3
好了，現(xiàn)在你可以和機器人對話了。運行腳本，對著麥克風(fēng)說句話，然后按ctrl-c，機器人就會回你話了。
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報。
