[初识]使用百度AI接口,图灵机器人实现简单语音对话

一.准备

1.百度ai开放平台提供了优质的接口资源https://ai.baidu.com/  (基本免费)

2.在语音识别的接口中, 对中文来说, 讯飞的接口是很好的选择https://www.xfyun.cn/ (收费)

3.图灵机器人提供了可以用http访问的接口, http://www.turingapi.com/

二.创建

1.百度: 在具体功能中创建应用, 点击技术文档-> python sdk 按照文档使用

2.图灵机器人, 如果所示,创建机器人

在设置中可以对机器人的属性设置,包括年龄星座等, 之后可以点击查看api使用文档进行使用

三.使用

　　由于百度的语音识别需要的格式为.pcm, 而示例中主要用win系统自带的录音机文件进行声音采集,需要对文件转码.所以需要安装ffmpeg, 安装后将目录/bin配置进系统环境变量

　　配置完环境变量之后,编译器(pycharm)要重启一下,重新加载一下环境变量,否则会报错

　　如图,环境变量配置成功, cd命令切换到音频文件目录下, 使用下面的命令将文件转换为pcm格式

 ffmpeg -y  -i audio.wav  -acodec pcm_s16le -f s16le -ac  -ar  audio.pcm

# 1.你说一句话
# 2.根据语音转化为文字
# 3.机器人通过对文字的处理返回应答
# 4.将应答文字转化为语音,实现对话
import os
import requests
 
from aip import AipNlp, AipSpeech
 
""" 你的 APPID AK SK """
APP_ID = '输入 app_id'
API_KEY = '输入api_key'
SECRET_KEY = '输入secret_key'
 
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
client2 = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
client3 = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
 
# 1. 说-> 转换为文字
# 读取文件
def get_file_content(filePath):
    os.system(f'ffmpeg -y   -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
    with open(f'{filePath}.pcm', 'rb') as fp:
        return fp.read()
 
# 调用图灵机器人交互
def to_url(text, uid):
    url = 'http://openapi.tuling123.com/openapi/api/v2'
    data = {
        "reqType": 0,
        "perception": {
            "inputText": {
                "text": ""
            },
 
        },
        "userInfo": {
            "apiKey": "图灵机器人的apikey",
            "userId": ""
        }
    }
 
    data['userInfo']['userId'] = uid
    data['perception']['inputText']['text'] = text
    
    # 使用requests模块模拟http请求
    res = requests.post(url, json=data).json()
 
    return res.get('results')[-1].get('values').get('text')
 
# 将语音转化为文字
def text(file):
    # 识别本地文件
    ret = client2.asr(get_file_content(file), 'pcm', 16000, {
        'dev_pid': 1536,
    })
 
    text = ret.get('result')[-1]
    return text
 
# 将交互结果转化为语音
def to_audio(text):
    result = client3.synthesis(text, 'zh', 1, {
        'vol': 5,  # 音量
        'spd': 5,  # 语速
        'pit': 8,  # 音调
        'per': 4,  # 发声人选择
    })
 
    # 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('auido.mp3', 'wb') as f:
            f.write(result)
    # 在win系统下 os.system可以直接打开这个文件
    os.system('auido.mp3')

# ####入口####
t = text('录音.m4a')  # 录音文件 放在这里

# NLP自然语言处理
ret = client.simnet('你爸爸是谁', t)
print(ret)
# {'log_id': 7122976772040456976, 'texts': {'text_2': '你把我是谁', 'text_1': '你爸爸是谁'}, 'score': 0.656308}
# 0.656308
 
score = ret.get('score')
print(score)
# 0.656308
 
if score >= 0.58: # score在0.58以上证明两个文本表达的意思基本一致
    to_audio('当然是罗伯特X了')
else:
    to_audio(t)

import os
 
from aip import AipSpeech,AipNlp
 
""" 你的 APPID AK SK """
APP_ID = ''
API_KEY = '5a8u0aLf2SxRGRMX3jbZ2VH0adfa'
SECRET_KEY = 'UAaqS13z6DjD9Qbjd065dAh0HjbqPrzVadfad'
 
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)
 
# res = client_nlp.simnet("你叫什么名字","你的名字是什么")
# print(res)
 
def text2audio(text):
    result = client.synthesis(text, 'zh', 1, {
        "spd": 4,
        'vol': 5,
        "pit": 8,
        "per": 4
    })
    # 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)
 
    return 'audio.mp3'
 
def audio2text(filepath):
    res = client.asr(get_file_content(filepath), 'pcm', 16000, {
        'dev_pid': 1536,
    })
    print(res.get("result")[0])
    return res.get("result")[0]
 
def get_file_content(filePath):
    os.system(f"ffmpeg -y  -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm")
    with open(f"{filePath}.pcm", 'rb') as fp:
        return fp.read()
 
def goto_tl(text,uid):
    URL = "http://openapi.tuling123.com/openapi/api/v2"
    import requests
    data = {
        "perception": {
            "inputText": {
                "text": "你叫什么名字"
            }
        },
        "userInfo": {
            "apiKey": "be41cf8596a24aec95b0e86be895cfa9asd",
            "userId": ""
        }
    }
 
    data["perception"]["inputText"]["text"] = text
    data["userInfo"]["userId"] = uid
    res = requests.post(URL, json=data)
 
    # print(res.content)
    # print(res.text)
    print(res.json())
    return res.json().get("results")[0].get("values").get("text")
 
text = audio2text("jttqhbc.m4a")
# 自然语言处理 简单实现
score = client_nlp.simnet("你叫什么名字",text).get("score")
print(score)
if score >= 0.58:
    filename = text2audio("需要回复的音频文件名")
    # os.system(f"ffplay {filename}")
    os.system(filename)
 
answer = goto_tl(text,"qiaoxiaoqiang")
filename = text2audio(answer)
os.system(filename)

库版