在人工智能的发展越来越火热的今天，其中智能应用也在伴随着我们的生活，其中最为典型的便是语音识别，近几年来，语音识别技术取得显著进步，同时语音识别技术也慢慢渗入了工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别最基本的思想包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等，而这里我将对语音识别进行生活中的很好应用，让机器能听懂人类讲话，并做出操作控制。
首先我们选用的编程语言是python，要用到的模块有jieba模块，用以实现对中文语句进行分段；os，win32con和sys模块用来实现对电脑的控制；time模块用来延时；wave 和pyaudio模块用来录音;pygame模块用来播放声音;pynput模块用来控制键盘；random模块随机选取；其中导入模块这一段代码为：# encoding=utf-8import jieba from aip import AipSpeechimport osimport sysimport timeimport win32conimport waveimport numpy as np from pyaudio import PyAudio,paInt16import pygame from pynput.keyboard import Key, Controller from random import choice然后在百度api申请账号可以得到密码和用户名，申请语音识别项目，至于为什么不用电脑自带的微软语音识别，是考虑到其识别效果的不准确。其中这一段代码为：#开始录音标识APP_ID = ‘15118279’#百度分配的APP_ID注册时可以看到，这里是我的API_KEY =’xUx0Gm2AG2YMtA3FnGfwoKdP’#百度分配的API_KEY注册时可以看到，这里是我的SECRET_KEY = ‘hdxyMvABhUD4xnacGtDdeHbEOUGmdjNx’#百度分配的SECRET_KEY注册时可以看到，这里是我的然后用代码client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)实现对百度语音识别的调用；result = client.synthesis(‘语音控制开始’, ‘zh’, 1, {‘vol’: 5,})用以标志语音控制的开始语句，同时接上下面的判断语句判断模块调用是否成功：# 识别正确返回语音二进制错误则返回dict 参照下面错误码if not isinstance(result,dict): with open(‘audio.mp3’, ‘wb’) as f:f.write(result)#将“语音控制开始”这段文字语音翻译成音频文件audio.mp3接着依靠pygame模块对audio.mp3进行播放，即可以听到电脑说了句“语音控制开始”这句话，即标志着你可以进行说话以达到控制的效果。代码如下：pygame.mixer.init()track = pygame.mixer.music.load(‘audio.mp3’)pygame.mixer.music.play()time.sleep(2)pygame.mixer.music.stop()print(“开始”)紧接着下面的是录音，将你的声音录制下来才能对录制下来的音频文件进行识别，这里主要依靠wave模块进行录音，代码如下：#############################class GenAudio(object): def __init__(self): self.num_samples = 2000 # pyaudio内置缓冲大小 self.sampling_rate = 8000 # 取样频率 self.level = 1500 # 声音保存的阈值 self.count_num = 20 # count_num个取样之内出现COUNT_NUM个大于LEVEL的取样则记录声音 self.save_length = 8 # 声音记录的最小长度：save_length?*?num_samples?个取样 self.time_count = 8 # 录音时间，单位s self.voice_string = [] def save_wav(self, filename): wf = wave.open(filename, ‘wb’) wf.setnchannels(1) wf.setsampwidth(2) wf.setframerate(self.sampling_rate) wf.writeframes(np.array(self.voice_string).tostring()) wf.close() def read_audio(self): pa = PyAudio() stream = pa.open(format=paInt16,channels=1, rate=self.sampling_rate, input=True, frames_per_buffer=self.num_samples) save_count = 0 save_buffer = [] time_count = self.time_count while True: time_count -= 1 # ?读入num_samples个取样 string_audio_data =stream.read(self.num_samples) # ?将读入的数据转换为数组 audio_data =np.fromstring(string_audio_data, dtype=np.short) # 计算大于?level?的取样的个数 large_sample_count =np.sum(audio_data > self.level) print(np.max(audio_data)), “large_sample_count=>”,large_sample_count # ?如果个数大于COUNT_NUM，则至少保存SAVE_LENGTH个块 if large_sample_count >self.count_num: save_count = self.save_length else: save_count -= 1 if save_count < 0: save_count = 0 if save_count > 0: save_buffer.append(string_audio_data) else: if len(save_buffer) > 0: self.voice_string =save_buffer save_buffer = [] print(“Recode?a?piece?of??voice?successfully!”) return True if time_count == 0: if len(save_buffer) > 0: self.voice_string =save_buffer save_buffer = [] print(“Recode?a?piece?of??voice?successfully!”) return True else: return True
接着用r = GenAudio()r.read_audio()r.save_wav(“test.wav”)这一段语句用以保存录制下来的声音为test.wav的音频文件。再紧接着用ffmpeg实现对录音文件的上传，以达到语音识别的目的，代码如下：#百度语音识别# 读取文件def get_file_content(filePath): cmd_str = “ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm”%(filePath,filePath) os.system(cmd_str) # 调用系统命令ffmpeg,传入音频文件名即可 with open(filePath “.pcm”,’rb’) as fp: return fp.read()然后用# 识别本地文件a =client.asr(get_file_content(‘test.wav’), ‘pcm’, 16000, { ‘dev_pid’: 1536,})if a.get(‘result’): a=a.get(‘result’)[0]print(a)即可实现对录音文件的识别，此时会输出识别的结果，例如a=“我想问下徐州的天气”。再接着依靠jieba分词对你说的话分段seg_list = jieba.cut(a)s=(“”.join(seg_list))print(s)a=”[” s “]”此时就会将你说的话一个字一个字的分开，并保存为数组a。再定义几个数组为song=[“歌”,”歌曲”,”音乐”,”听”]movie=[“播放”,”电视”,”看”,”电影”]brower=[“搜索”,”浏览”]用以判断你说的话中有没有在以上数组中，如果你说的话有关键字在song这个数组中，就播放音乐，即为下面代码要实现的功能。如果你说的话中有“酷狗”这两个字的话，就打开酷狗，具体代码如下：if “酷狗” in a: os.startfile(“D:\program files(x86)\kugou\KuGou.exe”)这里D:\program files (x86)\kugou\KuGou.exe为我的电脑酷狗的安装路径，具体路径可以对其快捷方式右键打开所在文件位置找到。如果你说的话中有“优酷”这两个字的话，就打开优酷，具体代码如下：if “优酷” in a: os.startfile(r”E:\YouKu\YoukuClient\proxy\YoukuDesktop.exe”)这里E:\YouKu\YoukuClient\proxy\YoukuDesktop.exe e为我的电脑优酷的安装路径，具体路径可以对其快捷方式右键打开所在文件位置找到。如果你说的话中有“关机”这两个字的话，就关机，具体代码如下：if “关机” in a: os.system(“shutdown -p”)如果你说的话中有“wifi”这两个字的话，就连接wifi，具体代码如下：if “wifi” in a: os.startfile(r’F:\代码\python\连接WiFi\jgh.exe’)这里jgh.exe为我编的一个自动连WiFi的程序，我自己可以直接调用。如果你说的话中有”搜索”,”浏览”这几个字的话，就打开浏览器并搜索对应的内容，具体代码如下：for i in brower: if i in a: os.startfile(r”D:\program files(x86)\360se6\Application\360se.exe”) time.sleep(20) keyboard = Controller() keyboard.type(s) time.sleep(2) keyboard.press(Key.enter)如果你说的话中有”歌”,”歌曲”,”音乐”,”听”这几个字的话，就打开随机播放你电脑里下载的音乐，具体代码如下：for i in song: if i in a: Newdir = [] path = r’C:\Users\asus\Music’ filelist = os.listdir(path) # 该文件夹下所有的文件（包括文件夹） for files in filelist: # 遍历所有文件 Olddir = os.path.join(path,files) # 原来的文件路径 if os.path.isdir(Olddir): # 如果是文件夹则跳过 continue filename =os.path.splitext(files)[0] # 文件名 filetype = os.path.splitext(files)[1] # 文件扩展名 new = path “\\” files if filetype == “.mp3”: Newdir.append(new) os.startfile(choice(Newdir))其中C:\Users\asus\Music为我下载音乐的路径，具体路径根据自己的电脑而定。至此，语音控制功能基本实现，其中包括的功能有，语音播放音乐，语音打开浏览器并搜索你所的话，语音打开优酷，语音打开酷狗，语音实现自动关机，并且进过测试，其中语音识别效果甚好，即使你的声音很沧桑，很小也可以识别的很准确，所以说这一项应用的实现是真正有价值的，并且其中如果要加入其他的功能的话，可以依据我的思维进行填补实现，比如语音锁屏，语音换壁纸等等。总结一下程序的总体思维为：让电脑说“语音控制开始”，用来判断模块是否完整，同时也是标志着你可以进行对电脑控制了；然后对周围环境录音，对录音文件语音识别成文字，如果你说的话有一些定义的关键词的话，就执行对应的操作。例如“我想听首歌”这句话有“歌”这个关键字，就会执行播放歌曲的功能，至此智能控制功能完美实现。
◆
精彩推荐
◆
2019 中国大数据技术大会（BDTC）再度来袭！豪华主席阵容及百位技术专家齐聚，15 场精选专题技术和行业论坛，超强干货 技术剖析 行业实践立体解读，深入解析热门技术在行业中的实践落地。
即日起，限量5 折票开售，数量有限，扫码购买，先到先得！
