Python语音识别库 - 始终监听？

Question

我最近在用Python的语音识别库来启动应用程序。我的最终目标是用这个库来实现语音控制的家庭自动化，使用树莓派的GPIO接口。

我已经让这个功能正常工作了，它可以识别我的声音并启动应用程序。不过，问题是它似乎会一直重复我说的那个词（比如，我说“互联网”，它就会无限次地启动Chrome）。

这种情况跟我看到的while循环的表现不太一样。我搞不清楚怎么才能停止这个循环。是不是需要在循环外做点什么才能让它正常工作？请看下面的代码。

http://pastebin.com/auquf1bR

import pyaudio,os
import speech_recognition as sr
r = sr.Recognizer()
with sr.Microphone() as source:
        audio = r.listen(source)

def excel():
        os.system("start excel.exe")

def internet():
        os.system("start chrome.exe")

def media():
        os.system("start wmplayer.exe")

def mainfunction():
        user = r.recognize(audio)
        print(user)
        if user == "Excel":
                excel()
        elif user == "Internet":
                internet()
        elif user == "music":
                media()
while 1:
        mainfunction()

Answer 1

这听起来有点遗憾，但你需要在每次循环中都初始化麦克风。因为这个模块总是会使用 r.adjust_for_ambient_noise(source) 这个功能，它可以确保在嘈杂的环境中也能听懂你的声音。设置声音阈值需要时间，如果你不停地发出指令，可能会漏掉你说的一些话。

import pyaudio,os
import speech_recognition as sr
r = sr.Recognizer()


def excel():
        os.system("start excel.exe")

def internet():
        os.system("start chrome.exe")

def media():
        os.system("start wmplayer.exe")

def mainfunction():
        with sr.Microphone() as source:
            r.adjust_for_ambient_noise(source)
            audio = r.listen(source)
        user = r.recognize(audio)
        print(user)
        if user == "Excel":
                excel()
        elif user == "Internet":
                internet()
        elif user == "music":
                media()
while 1:
        mainfunction()

Answer 2

我在这个话题上花了很多时间。

目前，我正在开发一个叫做 Athena Voice 的开源跨平台虚拟助手程序，使用的是 Python 3：https://github.com/athena-voice/athena-voice-client

用户可以像使用 Siri、Cortana 或亚马逊的 Echo 一样使用它。

这个程序还采用了一个非常简单的“模块”系统，用户可以轻松编写自己的模块来增强它的功能。如果你觉得这有用，可以告诉我。

如果不需要的话，我建议你可以看看 Pocketsphinx 和谷歌的 Python 语音识别/语音合成包。

在 Python 3.4 上，可以通过以下命令安装 Pocketsphinx：

pip install pocketsphinx

不过，你需要单独安装 PyAudio 这个依赖（非官方下载）：http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio

这两个谷歌的包可以通过以下命令安装：

pip install SpeechRecognition gTTS

谷歌语音识别（STT）：https://pypi.python.org/pypi/SpeechRecognition/

谷歌语音合成（TTS）：https://pypi.python.org/pypi/gTTS/1.0.2

Pocketsphinx 应该用于离线的唤醒词识别，而谷歌的语音识别则适合主动监听。

Answer 3

为了确保你能理解，这里有一个关于如何在pocketsphinx中持续监听关键词的例子。这种方法比不断将音频发送到谷歌要简单得多。而且你可以得到一个更灵活的解决方案。

import sys, os, pyaudio
from pocketsphinx import *

modeldir = "/usr/local/share/pocketsphinx/model"
# Create a decoder with certain model
config = Decoder.default_config()
config.set_string('-hmm', os.path.join(modeldir, 'hmm/en_US/hub4wsj_sc_8k'))
config.set_string('-dict', os.path.join(modeldir, 'lm/en_US/cmu07a.dic'))
config.set_string('-keyphrase', 'oh mighty computer')
config.set_float('-kws_threshold', 1e-40)

decoder = Decoder(config)
decoder.start_utt('spotting')

stream = p.open(format=pyaudio.paInt16, channels=1, rate=16000, input=True, frames_per_buffer=1024)
stream.start_stream()        

while True:
    buf = stream.read(1024)
    decoder.process_raw(buf, False, False)
    if decoder.hyp() != None and decoder.hyp().hypstr == 'oh mighty computer':
        print "Detected keyword, restarting search"
        decoder.end_utt()
        decoder.start_utt('spotting')

Answer 4

问题在于，你只在程序开始时听了一次语音，然后只是不断地对同一段保存的音频调用 recognize。你需要把实际监听语音的代码放到 while 循环里面：

import pyaudio,os
import speech_recognition as sr


def excel():
        os.system("start excel.exe")

def internet():
        os.system("start chrome.exe")

def media():
        os.system("start wmplayer.exe")

def mainfunction(source):
    audio = r.listen(source)
    user = r.recognize(audio)
    print(user)
    if user == "Excel":
        excel()
    elif user == "Internet":
        internet()
    elif user == "music":
        media()

if __name__ == "__main__":
    r = sr.Recognizer()
    with sr.Microphone() as source:
        while 1:
            mainfunction(source)