快捷導(dǎo)航

用Python編程實現(xiàn)語音控制電腦

更新時間：2014年04月01日 14:15:25 作者：

是否經(jīng)常好萊塢電影里看強(qiáng)大的語音識別系統(tǒng)? 是否每每看到都會羨慕嫉妒恨？可是我們真心買不起啊。

電腦面前的你，是否也希望能讓電腦聽命于你？當(dāng)你累的時候，只需說一聲“我累了”，電腦就會放著優(yōu)雅的輕音樂來讓你放松。或許你希望你在百忙之中，能讓電腦郎讀最新的NBA比分賽況….一切都是那么愜意。

在此告訴你，不要灰心，我們真的可以做一個。
做一個語音識別？我相信很多人到這里會有兩個心態(tài)，一是好奇，二是避之千里。

其實不然，你可以不用懂太多的編程技能，你甚至也可以不用懂自然語言處理技術(shù)，這篇文章雖然實現(xiàn)了語音操控但是絕沒有你們想象的那么復(fù)雜。如果僅僅把語音識別作為一個實現(xiàn)了的接口的話，剩下的邏輯就僅僅是IF-ELSE這些簡單的元素了。

實現(xiàn)語音操控的原理

語音操控分為語音識別和語音朗讀兩部分。

這兩部分本來是需要自然語言處理技能相關(guān)知識以及一系列極其復(fù)雜的算法才能搞定，可是這篇文章將會跳過此處，如果你只是對算法和自然語言學(xué)感興趣的話，就只有請您移步了，下面沒有一個字會講述到這些內(nèi)容。

早在上世紀(jì)90年代的時候，IBM就推出了一款極為強(qiáng)大的語音識別系統(tǒng)-vio voice , 而其后相關(guān)產(chǎn)品層出不窮，不斷的進(jìn)化和演變著。我們這里將會使用SAPI實現(xiàn)語音模塊。

什么是SAPI？

SAPI是微軟Speech API , 是微軟公司推出的語音接口，而細(xì)心的人會發(fā)現(xiàn)從WINXP開始，系統(tǒng)上就已經(jīng)有語音識別的功能了，可是用武之地相當(dāng)之少，他并沒有給出一些人性化的自定義方案，僅有的語音操控命令顯得相當(dāng)雞脅。那么這篇文章的任務(wù)就是利用SAPI進(jìn)行個性化的語音識別。

準(zhǔn)備階段，你至少需要安裝以下的工具：

Python2.7 http://www.python.org/

強(qiáng)烈建詭使用2.7，至今Python2.7擁有Python系列為數(shù)最多的工具和應(yīng)用支持，同時也相對比較穩(wěn)定。

Win32Com http://starship.python.net/~skippy/win32/Downloads.html

Python Win32增強(qiáng)工具，可以使Python調(diào)用WIN32COM接口，這個工具的出現(xiàn)使得Python變得無比強(qiáng)大

Speech.py http://pypi.python.org/pypi/speech/

這個是極為精簡的封裝模塊，此處為可選項，當(dāng)然我不建議重復(fù)造輪子，還是下吧，目前只支持Python2.6，但不用灰心，Python2.6和Python2.7的代碼是兼容，不會有異常。

安裝過程請依至上而下的順序。

開發(fā)階段

當(dāng)你安裝了上述的相關(guān)工具后，你就可以進(jìn)行開發(fā)了：

先進(jìn)行一個簡單的環(huán)境調(diào)試：

復(fù)制代碼代碼如下:

whileTrue:
    phrase =speech.input()
    speech.say("You said %s"%phrase)
    ifphrase =="turn off":
        break

上述代碼是啟動語音識別器，同時系統(tǒng)將會重復(fù)你所錄入的語音，當(dāng)遇到“turn off”時，就會自動關(guān)閉識別系統(tǒng)。
如果你通過測試無誤的話，我們就可以開始進(jìn)行擴(kuò)展開發(fā)了。

1. 定義中文語義庫

復(fù)制代碼代碼如下:

closeMainSystem ="關(guān)閉人機(jī)交互"
openEclipse ="我要寫程序"
listenMusic ="我好累啊"
blog ="看博客"
php ="php"
java ="JAVA"

2. 定義相關(guān)語義操作邏輯

復(fù)制代碼代碼如下:

defcallback(phrase, listener):
    print(": %s"%phrase)
    ifphrase ==closeMainSystem:
        speech.say("Goodbye. 人機(jī)交互即將關(guān)閉，謝謝使用")
        listener.stoplistening()
        sys.exit()
    elifphrase ==openEclipse:
        speech.say("請問您要寫PYTHON還是JAVA程序？")
        speech.listenforanything(callback)
    elifphrase ==listenMusic:
        speech.say("即將為你啟動豆瓣電臺")
        webbrowser.open_new("http://douban.fm/")
    elifphrase ==blog:
        speech.say("即將進(jìn)入Dreamforce.me")
        webbrowser.open_new("http://dreamforce.me/")
    elifphrase ==php:
        speech.say("啟動PHP編寫器")
        os.popen("E:\IDE\php_eclipse\eclipse\eclipse.exe")
    elifphrase ==php:
        speech.say("啟動JAVA編寫器")
        os.popen("E:\IDE\php_eclipse\eclipse\eclipse.exe")

其中，os.popen是異步開啟程序，此操作不會單獨(dú)開啟一個SHELL窗口，也不會阻塞當(dāng)前進(jìn)程。
speech.say() 是調(diào)用SAPI進(jìn)行參數(shù)朗讀。
webbrowser.open_new()是打開網(wǎng)頁。

3.程序運(yùn)行主體搭建

復(fù)制代碼代碼如下:

listener =speech.listenforanything(callback)
whilelistener.islistening():
     text =input()
     iftext =="不要語音了":
         listener.stoplistening()
         sys.exit()
     else:
         speech.say(text)

此段為運(yùn)行主體，大意是開啟語音監(jiān)聽，同時支持終端輸入模式。如果你嗓子啞了的話，也可以打字來實現(xiàn)，哈哈~~

您可能感興趣的文章: