前言：這是我幾個月前一邊工作，一邊搗鼓的個人專案，一直沒有時間去寫點總結，也許是我這個人比較懶吧，不然也不會做出這種東西，哈哈哈。記得那時閒來無事，自己又有許多奇思異想，由於自己之前使用itchat做了個可以接管微信的聊天機器人，我就想能不能給自己的機器人加一些個人技能，如能自己說話，能聽懂我說話，簡單來說需求就是需要加個語音識別和文字識別的功能。

1.根據方向找思路

說幹就幹，我就想如何能夠實現這些功能呢？本來自己是想自己利用MongoDB自己建造一個比較大的語料庫，把客戶的輸入作為問題，然後自己設定不同的回答，然後客戶進入對話後就可以通過語料庫來搜尋響應的回答。後來我就把它推翻了，因為需要的語料庫很大，自己又沒有特別優秀的機器學習演算法（其實就是自己寫不來機器學習的演算法），因此體驗並不理想。要想實現語音識別，首先需要一個媒介，能夠懂我們的漢語，那圖靈的機器人就特別合適，不論你說什麼，它都有似乎不太一樣的回答（實際上有些方面還有些不足），我就預設它很優秀吧，畢竟人工智慧的發展是需要一定時間的積累的，現在的圖靈在行業中也算是比較優秀。

2.根據思路找捷徑

在實現語音識別的路上，基礎的問題已經解決，那後來的問題的解決才是關鍵，我首先想到的是搜尋python的庫，python擁有的就不要重複造輪子了，一是需要大量的時間，二是開發成本太大。所以就想能不用別人的AI平臺來做這件事情，於是我就搜了下BAT還有科大訊飛的AI平臺，好像只有Baidu的平臺才提供免費的語音識別服務，然後就開始幹活了。另外附上百度AI開發文件的地址，想了解自己去看，裡面清清楚楚寫著語音識別需要的條件，如果有什麼看不懂的再問我。這是百度AI技術文件的開發資料地址

3.根據要求寫功能

我使用的是python語言開發的，所以我直接看的python的api文件資料。 根據百度RESET API文件可知，要想實現語音識別需要把語音檔案以pcm的格式傳送到百度的平臺上，當然還要在本地安裝百度的直接pip install baidu-aip到python的環境中。使用itchat下載了好友發來的語音檔案發現是MP3格式的檔案，這就比較麻煩了，因為百度語音識別的預設格式是pcm。 由於底層識別使用的是pcm，因此推薦直接上傳pcm檔案。如果上傳其它格式，會在伺服器端轉碼成pcm，呼叫介面的耗時會增加。

語音識別僅支援以下格式 ：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（有失真壓縮格式）；8k/16k 取樣率 16bit 位深的單聲道。即：

1.pcm wav amr 格式三選一。 正常情況請使用pcm。其中wav格式需要使用pcm編碼。 2.採用率二選一 8000 或者 16000。正常情況請使用16000 單聲道 百度文件也提供了轉碼的工具，可是太推薦的工具是ffmpeg，好吧下載安裝吧，需要去ffmpeg官網下載安裝包，然後把它安裝到python環境的scripits目錄下。

4.開始音訊轉碼

音訊轉碼的話，之前做的工作還不足夠，還需要安裝python的第三方ffmpeg的api介面庫，我用的是ffmpy3，然後去找python官網上的

def mp3_change_pcm(mp3_path):
    ff = FFmpeg(
        inputs={mp3_path: None},
        outputs={
            './static/Recording/target.pcm':'-acodec pcm_s16le -f s16le -ac 1 -ar 16000'
        }
    )
    ff.run()

這就是檔案轉碼的方式。

5.開始語音識別和文字識別

然後去百度AI平臺，去開通一個賬號，上面文件寫的也很清楚而且還需要安裝一個aip的第三方模組，這裡怕你們迷路再次附上地址吧裡面寫的很清楚，不懂的請留言，直白的說就是把轉碼後的語音檔案上傳到百度的平臺上，然後它會給你返回一個字典，裡面有轉碼後的字串。這裡再附上部分我寫的原始碼

# 文字轉語音
def get_recording(msg):
    APP_ID = '14433967'
    API_KEY = 'agF3ohtSRGGaZPOlCcpyBQ90'
    SECRET_KEY = 'FCCb7l5bGvwGgsU7i8xT8xBT6KUF2L9m'

    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    result = client.synthesis(msg, 'zh', 1, {'vol': 5, 'per': 4, 'pit':9})

    # 識別正確返回語音二進位制 錯誤則返回dict
    if not isinstance(result, dict):
        with open('./static/Recording/auido.mp3', 'wb') as f:
            f.write(result)
    record_path = './static/Recording/auido.mp3'
    return record_path


def mp3_change_pcm(mp3_path):
    ff = FFmpeg(
        inputs={mp3_path: None},
        outputs={
            './static/Recording/target.pcm':'-acodec pcm_s16le -f s16le -ac 1 -ar 16000'
        }
    )
    ff.run()

# 讀取檔案
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def voice_recongnition(pcm_file):
    APP_ID = '14433967'
    API_KEY = 'agF3ohtSRGGaZPOlCcpyBQ90'
    SECRET_KEY = 'FCCb7l5bGvwGgsU7i8xT8xBT6KUF2L9m'
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    # 識別本地檔案
    results = client.asr(get_file_content(pcm_file), 'pcm', 16000, {
        'dev_pid': 1536,
    })
    print(results)
    return results['result']

# 語音識別啟動函式
def voice_recon_run():
    path = os.listdir('./')
    for x in path:
        if re.findall(r'mp3$', x):
            mp3_path = '.\\'+ x
            mp3_change_pcm(mp3_path)
            voice_recon_text = voice_recongnition(r'.\static\Recording\target.pcm')
            os.remove(mp3_path)
            os.remove(r'.\static\Recording\target.pcm')
            return voice_recon_text

你的好友或者是你自己給你發語音，然後程式會MP3檔案利用ffmpeg轉碼為pcm格式並且符合百度標準的檔案，百度把它翻譯成文字，然後你的程式接收到返回的文字，再把文字發給圖靈機器人，它在給你返回要說的文字，然後在把這段文字發給百度AI，它在幫你轉為一個MP3格式的語音檔案，你再把它發給你的微信好友。這個語音識別，然後再發出根據語境的語音的迴路就打通了。

6.語音模式和文字模式的切換

當然使用者有選擇的權利，他有權利要求你發語音或文字，所以你要貼合實際場景來定製你的機器人，我使用的方法是定義一個全域性變數，然後使用者會跟我說語音模式或文字模式的命令，然後我的程式會判斷這個全域性變數，進而判斷要不要轉為語音，這會大大的提高使用者的體驗，整個設計的逼格也更符合人性化。

# 文字模式和語音模式的切換
def judge_method(num, tr, fromuser):
    if num == 1:
        itchat.send_msg(tr, fromuser)
    elif num == 2:
        record_path = get_recording(tr)
        itchat.send_file(record_path, fromuser)

7.總結

這個專案的話，我想的挺多，也是我一個人寫的專案，不算什麼大專案吧，但自我覺得很有新意，也很貼合生活實際。這個專案目前我已上傳到githup上，整體的思想就是如上，如果需要原始碼請移步到我的githup賬號下載aiphare原始檔裡面有好幾個版本功能最全面的是最老的那個版本，可以分析好友分佈，還可以幫你下載圖片，還可以查天氣預報，等等等等，功能太多了，這裡就不一一列舉。前面的幾個版本也都能執行，不過功能會少一點，功能少一點安裝的依賴包也少一點，所有根據個人需要自由選擇吧。如果在使用時遇到什麼困難，可以在本帖下留言，或者在我githup下留言，我會一一回復，另外我也只是學習python剛一年多的人，做的不好的地方請多指教，再此提前謝過，好吧，就說那麼多廢話吧。