Author：qyan.li
Date：2022.6.7
Topic：借助于python构建语音交互的智能机器人
一、写在前面：
~~~~~~~~ 经过几天的努力，基于python构建语音交互的智能机器人终于完成，今天这篇文章会完善阐述一下系统的总体架构，将前面的四篇文章串联起来，形成一个完善的系统。完整的项目代码已经上传至github，链接会在最后给出，需要的同学可自行下载参考。
~~~~~~~~ 前序四篇功能实现的博文链接如下，可自行参考：
二、系统简介：
~~~~~~~~ 智能系统的主要功能实现在前面四篇博文中已成功完成，系统的总体框架图如下：
~~~~~~~~ 上述的所有功能(除智能聊天功能外)，其他所有的功能均在前四篇博文中分篇进行阐述，由于智能聊天功能较为简单，且核心为调用现有方法，因此不做详细展示。
~~~~~~~~ 在完整的代码中，智能机器人的各个功能实现已经实现完美的封装(使用class类，函数)，因此，调用起来也比较简单，故系统综合的阶段需要考虑如何将各部分功能实现的代码串联起来，实现完整使系统的构建。
~~~~~~~~ 首先，由于是借助于语音实现系统交互，因此必须存在音频录制和音频识别的模块。音频录音的代码较为简单，网络资源也比较丰富，下面提供自己音频录制的代码，仅供参考。
#声音录制设置
CHUNK = 1024
FORMAT = pyaudio.paInt16 # 16位深
CHANNELS = 1 #1是单声道，2是双声道。
RATE = 16000 # 采样率，调用API一般为8000或16000
RECORD_SECONDS = 10 # 录制时间10s
#录音文件保存路径
def save_wave_file(pa, filepath, data):
wf = wave.open(filepath, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(pa.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b"".join(data))
wf.close()
#录音主体文件
def write_audio(filepath,isstart):
'''
:param filepath:文件存储路径（'test.wav'）
:param isstart: 录音启动开关（0：关闭 1：开启）
'''
if isstart == 1:
pa = pyaudio.PyAudio()
stream = pa.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK) # 读取chunk个字节 保存到data中
frames.append(data) # 向列表frames中添加数据data
stream.stop_stream()
stream.close() # 停止数据流
pa.terminate() # 关闭PyAudio
#写入录音文件
save_wave_file(pa, filepath, frames)
elif isstart == 0:
exit()
小Tips：
上述代码实现录制
10s的音频，并将音频另存为wav文件，录制的时间可在代码中RECORD_SECONDS变量处进行修改
~~~~~~~~ OK，音频录制的功能实现，如果想利用语音实现智能交互，就必须让智能系统能够理解用户意图，可以借助于文字实现意图理解和判断，因此还必须另写语音转文字的模块。实验中借助于百度云的语音识别接口，其他公司同样提供类似接口(阿里云语音接口调用，参照另一篇博文：(6条消息) 简单记录阿里云语音识别API调用方法_隔壁李学长的博客-CSDN博客)，下面提供百度云语音接口调用的代码示例：
# 获取录音文件内容并进行识别
def GetAudioContent(fileName):
'''
:param fileName:录音文件路径
:return: sign-是否获得结果，result_out-返回录音内容
'''
# 读取录音文件内容
with open(fileName,'rb') as f:
content = f.read()
# 调用Baidu-api实现语音识别
sign = 1
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.asr(content, 'wav', 16000, {
'dev_pid': 1537, })
print(result)
if 'result' not in result.keys():
sign = 0
result_out = None
elif result['result'] == ['']:
sign = 0
result_out = None
else:
result_out = "".join(result['result'])
return [sign, result_out]
~~~~~~~~ 另外，语音交互不仅仅希望用户使用语音进行控制，更希望智能系统返回的文字结果可以借助于语音的方式进行输出，所以接下来的任务就是构建语音输出模块。
~~~~~~~~ 当然，文字合成语音可以借助于公司现有的API接口，同样可以借助于pyttsx3模块，该模块可以将字符串以语音的形式朗读出来，代码示例：
#语音播报函数
def speech_read(content):
'''
:param content:待播报的字符串
:return: None
'''
#模块初始化
engine = pyttsx3.init()
engine.say(content)
# 等待语音播报完毕
engine.runAndWait()
~~~~~~~~ OK，语音交互的模块已完成，但是要实现智能的交互，还有比较重要的模块：语义理解。语义理解首先必须明确用户询问的问题属于哪个类别，以决定后续程序进入哪个function或者class进行执行，这部分是借助于模糊匹配进行实现：
# 模糊匹配函数
def FuzzComparsion(text,shift = 0):
'''
:param text:待匹配的文本
:param shift:取值1或0-待匹配的模板不同
:return: 相似程度列表
'''
similarityLst = []
stencilTextLst1 = ['给李其炎发消息，邮件告诉他我明天有事找他','今天的天气状况怎么样','播放一首炸雷','帮我查一下现在的俄乌局势'] # 匹配的模板文本
stencilTextLst2 = ['QQ', '微信', '邮件']
if shift == 0:
stencilTextLst = stencilTextLst1
if shift == 1:
stencilTextLst = stencilTextLst2
for item in stencilTextLst:
similarity = fuzz.ratio(item,text)
similarityLst.append(similarity)
return similarityLst
小
Tips： 代码中构建四个模板，借助于模糊匹配技术，判断用户输入与各个模板的匹配程度，以决定用户询问问题的类别，以进入不同的模块执行不同的命令。
~~~~~~~~ 用户询问问题类别已经确定，而后的任务是提取语句中的主体对象，如问句给文件传输助手发微信告诉他我想它啦！我们需要提取出语句中发送对象文件传输助手，发送方式微信，发送内容我想她啦！，只有具有上述内容之后，我们才能执行后续的操作，邮件的发送也是类似的处理方法。处理的方法我目前还未想到较好的解决办法，只能根据关键词进行识别，比较死板，局限性也比较大。
def MsgDivision(content,key):
'''模板：给***发消息告诉他***
:param content:待处理的文本
:return: friendName发送对象和Msg发送内容
'''
if key == 'w':
friendName = content.split('发微信')[0].strip('给')
if key == 'z':
friendName = content.split('发QQ')[0].strip('给')
Msg = content.split('告诉他')[-1]
return friendName,Msg
~~~~~~~~ 最后，构建代码主逻辑之前，提一下智能聊天的功能实现，本质上就是调用网络上的接口，借助于别人已经实现完成的模块，调用的方式：
#调用机器人
def robot(text = " "):
'''
:param text: 问询的文本
:return: 机器人返回的内容
'''
url = 'http://api.qingyunke.com/api.php?key=free&appid=0&msg='+str(text)
response = requests.get(url)
responseText = response.text.split('"')[-2]
return responseText
~~~~~~~~ OK，代码中涉及语音交互的部分，语句处理的部分基本完成，接下来的任务就比较纯粹，写一个主函数完成代码主体逻辑的构建，该部分写的不太完善，读者可自行修改。
def Mainloop(text):
'''
:param text:待问询的文本
:return: None或者返回的内容
'''
similarityLst = FuzzComparsion(text)
print(similarityLst)
if max(similarityLst) < 30:
# 调用free robot
response = robot(text)
print(response)
else:
max_index = similarityLst.index(max(similarityLst))
if max_index == 0:
# 调用wechat,QQ,Mail模块(模板:给**发**告诉他****)
similarityLst = FuzzComparsion(text,1)
index = similarityLst.index(max(similarityLst))
if index == 0:
# 调用QQ模块
friendName , Msg = MsgDivision(text,'z')
AutoMessage(Msg,friendName,'z')
if index == 1:
# 调用微信模块
friendName, Msg = MsgDivision(text,'w')
AutoMessage(Msg, friendName, 'w')
if index == 2:
# 调用邮件模块
friendName,subject,Mailcontent = MailMsgDivision(text)
AutoSendEmail(friendName,subject,Mailcontent)
pass
if max_index == 1:
# 调用查询天气模块(模板：以城市名称开头，如成都今天天气怎么样?)
content , _ = TextDealing(text)
cityName = content.split(' ')[0]
P = Pinyin()
cityName_pinyin = P.get_pinyin(cityName,'')
Weather = GetWeatherInfo(cityName_pinyin)
print(Weather)
if max_index == 2:
# 调用音乐播放模块(模板：播放**)
MusicName = text.strip('播放')
AutoPlayMusic(MusicName)
if max_index == 3:
# 调用浏览器检索板块
_ , SearchContent = TextDealing(text)
SearchInternet(SearchContent)
三、总结反思：
~~~~~~~~ 系统总体上实现的功能较多，能力不够，数量来凑，其中涉及的知识和技术也比较多，作为一个学习和借鉴的参考还是不错的。
~~~~~~~~ 项目具有的问题和可以改进的地方：
- 语句处理：语义理解，内容实体提取，尤其是在语音识别识别精度不高，噪声影响大时的处理和解决办法
- 主循环的编辑，主循环的部分自己没有进行深度的编码和润色，就是简单的调用各个函数，可以以此为抓手改进
Mainloop的编码逻辑。
四、完整代码：
许诺大家五篇博文的完整代码：