ros下基于百度语音的，语音识别和语音合成

迈不过友情╰ 2022-05-12 04:18 328阅读 0赞

> 代码地址如下：<br>http://www.demodashi.com/demo/13153.html
    
    > #概述：
    
    本demo是ros下基于百度语音的，语音识别和语音合成，能够实现文字转语音，语音转文字的功能。
    
    >#详细：
    
    
    ##1. 安装库与环境
    
    首先确保已经安装了以下两个库文件。
    
    ###1.1 Python 音频处理库 PyAudio
    
    	python -m pip install pyaudio
    
    ###1.2 Python 音频处理库 vlc
    
    	pip install python-vlc
    
    ###1.3 ROS
    
    确保安装了ROS
    http://wiki.ros.org/indigo
    
    ## 2. 实时语音识别与语音合成
    
    ### 2.1 运行
    
    Speech Recognition（语音识别）:
    ```bash
    roslaunch simple_voice simple_voice.launch
    ```
    Text To Speech（语音合成）: 
    
    ```bash
    roslaunch simple_voice simple_speaker.launch
    ```
    ### 2.2 概述
    
    在运行前先确保安装了python的pyaudio 以及 vlc 库文件.
    
    百度语音识别为开发者提供业界优质且免费的语音服务,通过场景识别优化,,准确率达到90%以上,让您的应用绘“声”绘色。
    
    本文中的`语音识别`功能：采用百度语音识别库，实现`语音转化为文字`的功能，并且输出为ros话题。
    本文中的`语音合成`功能：采用百度语音识别库，实现将`文字转化为语音`并且存储为mp3/wav文件。
    
    ### 2.3 Node
    
    包中一共有3个节点：
    
    - node_main.py
    - simple_speek.py 
    - voice_node.py.
    
    `node_main.py` 是TTS(Text To Speech)的demo节点, 该demo是和laser scanner一起运行的，当laser检测到一个障碍物，node_main将会触发simple_speek.py让机器说出英语或者汉语 'excuse me', 'make a way for me pls'或者'请让一下'，等话语。
    
    `simple_speek.py` 将会订阅 std_msgs/String 消息类型的话题，并且将该话题中输入的文字转化为语音
    
    `voice_node.py` 将会识别您在5秒内说出的话语并且输出到终端上。
    
    ###2.4 订阅的 Topic
    
    `TTS`(Text To Speech - simple_speek.py):
    
    	/speak_string(std_msgs/String)
    
    `语音合成`节点中机器将会说出的文字。
    
    
    `Demo`(node_main.py):
    
    	/SpeakerSubTopic (std_msgs/String )
    
    这个是也是一个`语音合成`的demo节点，是用来触发Text To Speech - simple_speek.py节点的，您可以随意更改`SpeakerSubTopic`中的文本。 
    
    当您给该节点发布`stop`将会立刻出发Text To Speech - simple_speek.py节点开始说话了。
    
    
    
    ###2.5 发布的 Topic
    
    `Demo` (node_main.py):
    
    	/speak_string(std_msgs/String )
    
    该话题将会定义机器的`语音合成（TTS）`说什么。
    
    `Speech Recognition`(voice_node.py):
    
    	/Rog_result(std_msgs/String )
    
    这个是`语音识别`程序，功能是将语音转化为文字。
    触发是在终点中输入`ENTER`。
    
    ##3. 实现过程的部分代码展示
    
    simple_speek.py中播放合成语音部分：
    ```python
    def play_video(self,file_):
    	#print '\n start speaking ', "file://%s"%file_
    	rospy.loginfo('start speaking ')
    	player = vlc.MediaPlayer("file://%s"%file_)
    	player.play()
    	rospy.sleep(1)
    	while player.is_playing():
    		pass
    		#self.pub.publish('PENDING')
    	rospy.loginfo('done\n')
    ```
    
    simple_speek.py中订阅消息部分：
    ```python
    class speeker():
    	def __init__(self):
    		self.define()
    		rospy.Subscriber('speak_string', String, self.SpeedCB, queue_size=1)
    		rospy.Timer(rospy.Duration(self.ResponseSensitivity), self.TimerCB)
    		rospy.spin()
    ```
    
    simple_speek.py中语音合成部分：
    ```python
    def SpeedCB(self, data):
    	with self.locker:
    		speak_string = data.data
    		if self.TalkNow:
    			self.WavName = speak_string
    			self.TalkNow = False
    			self.mp3file = '%s'%self.path + self.WavName + '.%s'%self.FORMAT
    			if os.path.exists(r'%s'%self.mp3file):
    				self.play_video(self.mp3file)
    			else:
    				self.speek(speak_string)
    ```
    
    voice_node.py 触发部分
    ```python
    def __init__(self):
    if_continue=''
    while not rospy.is_shutdown() and if_continue == '':
    	 self.define()
    	self.recode()
    	words = self.reg()
    	reg = rospy.Publisher('Rog_result', String, queue_size=1)
    	 reg.publish(words)
    	#self.savewav("testing")#testing
    	if_continue = raw_input('pls input ＥＮＴＥＲ to continue')
    ```
    voice_node.py 语音识别部分
    
    ```python
    while True and NO_WORDS:
    	time_out -= 1
    	print 'time_out in', time_out # 读入NUM_SAMPLES个取样
    	string_audio_data = stream.read(self.NUM_SAMPLES) # 将读入的数据转换为数组
    	audio_data = np.fromstring(string_audio_data, dtype=np.short) 
    
    	# 查看是否没有语音输入
    	NO_WORDS -= 1
    	if np.max(audio_data) > self.UPPER_LEVEL:
    		NO_WORDS=self.NO_WORDS
    	print 'self.NO_WORDS ', NO_WORDS
    	print 'np.max(audio_data) ', np.max(audio_data)
    
    	# 计算大于LOWER_LEVEL的取样的个数
    	large_sample_count = np.sum( audio_data > self.LOWER_LEVEL )
    
    	# 如果个数大于COUNT_NUM，则至少保存SAVE_LENGTH个块
    	if large_sample_count > self.COUNT_NUM:
    		save_count = self.SAVE_LENGTH 
    	else: 
    		save_count -= 1
    
    	# 将要保存的数据存放到save_buffer中
    	if save_count < 0:
    		save_count = 0 
    	elif save_count > 0 : 
    		save_buffer.append( string_audio_data ) 
    	else:
    		pass
    
    	# 将save_buffer中的数据写入WAV文件，WAV文件的文件名是保存的时刻
    	if len(save_buffer) > 0 and NO_WORDS==0: 
    		self.Voice_String = save_buffer
    		save_buffer = [] 
    		rospy.loginfo( "Recode a piece of voice successfully!")
    	elif len(save_buffer) > 0 and time_out==0: 
    		self.Voice_String = save_buffer
    		save_buffer = [] 
    		rospy.loginfo( "Recode a piece of voice successfully!")
    	else: 
    		pass
    ```
    
    ## 4. 项目文件结构
    ![](http://www.demodashi.com/contentImages/image/20180514/gq91lP77z7HvJmjCDow.jpg)
    
    ![](http://www.demodashi.com/contentImages/image/20180514/Vz8aawGJHEAgZQM2Lal.png)
    
    ![](http://www.demodashi.com/contentImages/image/20180514/F3CajmJjqWgyrUfaFQC.png)ros下基于百度语音的，语音识别和语音合成
    
    > 代码地址如下：<br>http://www.demodashi.com/demo/13153.html
    
    
    
    > 注：本文著作权归作者，由demo大师发表，拒绝转载，转载需要作者授权