欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  php教程

用树莓派实现对话机器人

程序员文章站 2024-02-04 17:50:28
...

用树莓派实现对话机器人

最近用树莓派实现了一个能和人对话的机器人,简要介绍一下。

树莓派(Raspberry Pi)是世界上最流行的微型电脑主板,是开源硬件的领导产品,它为学生计算机编程教育而设计,只有信用卡大小,且价格低廉。支持linux(debian)等操作系统。最重要的是资料完善,社区活跃。
我用的是树莓派B+版本,基本配置是博通BCM2836处理器,4核900M主频,1G RAM。

我的目标是做成一个和人对话的机器人,这就需要机器人有输入设备和输出设备。输入设备是麦克风,输出可以是HDMI、耳机或音响,我这里用了音响。下面是我的树莓派照片。4个USB接口分别连了无线网卡、无线键盘、麦克风、音响供电。


我们可以把机器人的对话分成三个部分:听、思考、说。
“听”,是把人说的话记录下来,并转换成文字。
“思考”,就是根据不同的输入给出不同的输出。比如,对方说“现在时间”,你就可以回答“现在是北京时间xx点xx分”。
“说”,是把文字转换成语音,并播放出来。

这三个部分涉及到大量语音识别、语音合成、人工智能等技术,这些都是要花大量时间精力研究的,好在有些公司已经开放了接口给客户使用。这里,我选择了百度的API。下面分别说明这三个部分的实现。

“听”

首先是把人说的话录制下来,我使用了arecord工具。命令如下:
  1. arecord -D "plughw:1" -f S16_LE -r 16000 test.wav
其中,-D参数后接录制设备,连接麦克风后,树莓派上有2个设备:内部设备和外部usb设备,plughw:1代表使用外部设备。-f表示录制的格式,-r表示声音采样频率。由于后面提到的百度语音识别对音频文件格式是有要求的,我们需要录制成符合要求的格式。另外,在这里我没有指定录制的时间,它会一直录制下去,直到用户按下ctrl-c。录制后的音频文件保存为test.wav。
接下来,我们要把音频转换成文字,即语音识别(asr),百度的语音开放平台提供了免费的服务,并支持REST API
文档见: http://yuyin.baidu.com/docs/asr/57
流程基本就是获取token,把需要识别的语音信息、语音数据、token等发送给百度的语音识别服务器,就能获取到对应的文字。因为服务器支持REST API,我们可以用任何语言来实现客户端的代码,这里使用的是python
  1. # coding: utf-8

  2. import urllib.request
  3. import json
  4. import base64
  5. import sys

  6. def get_access_token():
  7. url = "https://openapi.baidu.com/oauth/2.0/token"
  8. grant_type = "client_credentials"
  9. client_id = "xxxxxxxxxxxxxxxxxx"
  10. client_secret = "xxxxxxxxxxxxxxxxxxxxxx"

  11. url = url + "?" + "grant_type=" + grant_type + "&" + "client_id=" + client_id + "&" + "client_secret=" + client_secret

  12. resp = urllib.request.urlopen(url).read()
  13. data = json.loads(resp.decode("utf-8"))
  14. return data["access_token"]


  15. def baidu_asr(data, id, token):
  16. speech_data = base64.b64encode(data).decode("utf-8")
  17. speech_length = len(data)

  18. post_data = {
  19. "format" : "wav",
  20. "rate" : 16000,
  21. "channel" : 1,
  22. "cuid" : id,
  23. "token" : token,
  24. "speech" : speech_data,
  25. "len" : speech_length
  26. }

  27. url = "http://vop.baidu.com/server_api"
  28. json_data = json.dumps(post_data).encode("utf-8")
  29. json_length = len(json_data)
  30. #print(json_data)

  31. req = urllib.request.Request(url, data = json_data)
  32. req.add_header("Content-Type", "application/json")
  33. req.add_header("Content-Length", json_length)

  34. print("asr start request\n")
  35. resp = urllib.request.urlopen(req)
  36. print("asr finish request\n")
  37. resp = resp.read()
  38. resp_data = json.loads(resp.decode("utf-8"))
  39. if resp_data["err_no"] == 0:
  40. return resp_data["result"]
  41. else:
  42. print(resp_data)
  43. return None

  44. def asr_main(filename):
  45. f = open(filename, "rb")
  46. audio_data = f.read()
  47. f.close()

  48. #token = get_access_token()
  49. token = "xxxxxxxxxxxxxxxxxx"
  50. uuid = "xxxx"
  51. resp = baidu_asr(audio_data, uuid, token)
  52. print(resp[0])
  53. return resp[0]


“思考”
这里我使用了百度api store的图灵机器人。其文档见:http://apistore.baidu.com/apiworks/servicedetail/736.html
它的使用非常简单,这里不再赘述,代码如下:
  1. import urllib.request
  2. import sys
  3. import json

  4. def robot_main(words):
  5. url = "http://apis.baidu.com/turing/turing/turing?"

  6. key = "879a6cb3afb84dbf4fc84a1df2ab7319"
  7. userid = "1000"

  8. words = urllib.parse.quote(words)
  9. url = url + "key=" + key + "&info=" + words + "&userid=" + userid

  10. req = urllib.request.Request(url)
  11. req.add_header("apikey", "xxxxxxxxxxxxxxxxxxxxxxxxxx")

  12. print("robot start request")
  13. resp = urllib.request.urlopen(req)
  14. print("robot stop request")
  15. content = resp.read()
  16. if content:
  17. data = json.loads(content.decode("utf-8"))
  18. print(data["text"])
  19. return data["text"]
  20. else:
  21. return None


“说”
先需要把文字转换成语音,即语音合成(tts)。然后把声音播放出来。
百度的语音开放平台提供了tts的接口,并可配置男女声、语调、语速、音量。服务器返回mp3格式的音频数据。我们把数据以二进制方式写入文件中。
详见http://yuyin.baidu.com/docs/tts/136
代码如下:
  1. # coding: utf-8

  2. import urllib.request
  3. import json
  4. import sys

  5. def baidu_tts_by_post(data, id, token):
  6. post_data = {
  7. "tex" : data,
  8. "lan" : "zh",
  9. "ctp" : 1,
  10. "cuid" : id,
  11. "tok" : token,
  12. }

  13. url = "http://tsn.baidu.com/text2audio"
  14. post_data = urllib.parse.urlencode(post_data).encode('utf-8')
  15. #print(post_data)
  16. req = urllib.request.Request(url, data = post_data)

  17. print("tts start request")
  18. resp = urllib.request.urlopen(req)
  19. print("tts finish request")
  20. resp = resp.read()
  21. return resp

  22. def tts_main(filename, words):
  23. token = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
  24. text = urllib.parse.quote(words)
  25. uuid = "xxxx"
  26. resp = baidu_tts_by_post(text, uuid, token)

  27. f = open("test.mp3", "wb")
  28. f.write(resp)
  29. f.close()

得到音频文件后,可以使用mpg123播放器播放。
  1. mpg123 test.mp3


整合
最后,把这三个部分组合起来。
可以先把python相关的代码整合成main.py,如下:
  1. import asr
  2. import tts
  3. import robot

  4. words = asr.asr_main("test.wav")
  5. new_words = robot.robot_main(words)
  6. tts.tts_main("test.mp3", new_words)

再使用脚本,调用相关工具:
  1. #! /bin/bash
  2. arecord -D "plughw:1" -f S16_LE -r 16000 test.wav
  3. python3 main.py
  4. mpg123 test.mp3


好了,现在你可以和机器人对话了。运行脚本,对着麦克风说句话,然后按ctrl-c,机器人就会回你话了。
相关标签: android