【行空板教程】语音识别助手

本帖最后由 Hockel 于 2022-4-18 19:50 编辑

前言

过去五年，受到智能音箱，车载助手，手机语音小助手等设备及消费和互联网增值服务的影响，中国智能语音识别技术需求不断增长。语音识别貌似再也不是什么神秘的东西，深深的融入到我们的生活中来。那么我们是不是可以从零开始搭建我们的语音识别助手呢？好了，废话不多说，就让我们用行空板来完成的需求吧。

项目原理

本项目进行语音识别主要调用了百度的语音识别接口进行完成的：

首先，行空板将板载录入的语音文件通过网络上传到百度的服务器上。
服务器接收到数据后，进行语音识别。然后将识别到的结果发到行空板上。
最后行空板把接受到的结果显示在屏幕上

课前准备

1、百度语音API接口的申请

打开百度的语音识别网站(https://ai.baidu.com/tech/speech) 进行语音识别的申请，登录账户后，没有应用的读者，可以点击创建应用。进行应用的创建。

对我们的应用进行命名，步骤如下：

点击创建完成后，点击查看应用详情。

就可以看到我们应用（APPID,APIKEY,SECRET KEY）等信息，这个要留着我们后面会用到

注意：如果是新用户一定要领取一下我们语音识别的额度啊，不领取没有办法调用

2、行空板设置

2.1行空板的进行联网设置

我们用电脑来连接行空板，然后打开浏览器输入：10.1.2.3，来到行空板的网页菜单。

点击网络设置，然后扫描附近的WiFi ，选择你要用的WiFi输入密码，进行连接

2.2 打开Jupyter服务

程序的编写，使用的是jupyter notebook,一个非常好用的编译器，所以我们要确保自己的应用是否打开此项服务。

同样我们可以在行空板上，进行打开此服务。

3、安装baidu-aip的python 版本的sdk

我们需要启用终端来进行安排，这里我用jupyter的终端进行，首先在行空板的应用开关界面打开页面。

在新建下拉框中找到终端选项，进行安装。

终端第一次登录的读者，需要输入账号：root密码 :dfrobot

然后在终端输入：

pip install baidu-aip

（PS：因为我这边已经安装了，所以提示安装文件已存在。）

4、上传素材文件到行空板

你们看到我们界面的按钮，背景，实际上是图像素材，在使用它之前我们需要他们导入到我们的行空板上，如何把素材上传到我们的板子上呢？这里我使用的是行空板菜单界面进行传输，当然还有些其他方法，我这里就不一一赘述。

选择我们上传的文件上传到root/目录下面，

（PS：当然你也可以闲着其他目录下，但是我们调用的时候，路径一定要对哈）

好了，至此我们的所有准备工作已经完成。能坚持看到这里的读者，给你点个赞。

相关知识点学习

行空板屏幕分辨率为240*320，因此unihiker库分辨率也为240320，坐标原点为屏幕左上角，向右为x轴正方向，向下为y轴正方向。

1-文字 draw_text

语法：控件对象名 = GUI对象.draw_text(x, y, w, text, color, origin, onclick, font_family,font_size)

返回值：文字对象
输入参数：
- x : 横坐标
- y : 纵坐标
- w : 长度，如果超出长度则自动换行，此参数可省略。
- text ：要显示的文字
- color : 文字颜色
- origin : 对齐位置，默认左上角
- onclick : 当被点击时触发的回调函数
- font_family : 指定字体
- font_size : 文字大小
用法举例：

import time
from unihiker import GUI   #导入包
gui=GUI()  #实例化GUI类
def info_text_on_click():
    print("文字被点击")

info_text = gui.draw_text(x=120, y=320, text='你好',origin='bottom' ,onclick=info_text_on_click)

info_text2 = gui.draw_text(x=0, y=100, text='1234567890')
info_text3 = gui.draw_text(x=0, y=150, w=50, text='1234567890')#换行演示

#font_family = gui.load_font('Segment7-4Gml.otf') #读取本地字库
#gui.draw_text(x=20, y=80, text='13:11', font_size=40, font_family=font_family) #使用字库显示

while True:
    #增加等待，防止程序退出和卡住
    time.sleep(1)

2-图片 draw_image

语法：控件对象名 = GUI对象.draw_image(x, y, w, h, image,origin,onclick)

返回值：文字对象
输入参数：
- x : 横坐标
- y : 纵坐标
- w : 图片的宽度。按照长宽最小边等比例缩放，可省略，宽高参数都省略则保持原图分辨率。
- h : 图片的高度。按照长宽最小边等比例缩放，可省略，宽高参数都省略则保持原图分辨率。
- image : 图片源，可以传入路径或image对象
- origin : 对齐位置，默认左上角
- onclick : 当被点击时触发的回调函数
用法举例：

from unihiker import GUI   #导入包
gui=GUI()  #实例化GUI类
# 传入图片文件路径的方式
img_image = gui.draw_image(x=120, y=0, w=80, h=50,  image='logo.png', origin='center', onclick=lambda: print("image clicked"))
img_image2 = gui.draw_image(x=0, y=100, image='logo.png')
# 传入图片对象的方式
from PIL import Image
img_image3 = gui.draw_image(x=10, y=200, image= Image.open('logo.png'))

import time
while True:
    #增加等待，防止程序退出和卡住
    time.sleep(1)

3-按钮 add_button

语法：控件对象名 = GUI对象.add_button(x, y, w, h, text, origin, state,onclick)

返回值：文字对象
输入参数：
- x : 横坐标
- y : 纵坐标
- w : 图片的宽度
- h : 图片的高度
- text : 按钮上显示的文字
- origin : 对齐位置，默认左上角
- state : 按钮使能，设置为 disabled 时按钮无法点击，设置为 normal 则回复到正常可点击状态
- onclick : 当被点击时触发的回调函数
用法举例：

from unihiker import GUI   #导入包
gui=GUI()  #实例化GUI类
gui.add_button(x=120, y=110, w=100, h=30, text="按钮", origin='center', onclick=lambda: print("button clicked"))
gui.add_button(x=120, y=210, w=100, h=30, text="按钮", origin='center', onclick=lambda: print("button clicked"),state="disabled")

import time
while True:
    #增加等待，防止程序退出和卡住
    time.sleep(1)

程序编写

1、布局我们的UI界面

from unihiker import GUI   #导入包

gui=GUI()  #实例化GUI类

#gui 添加文本标题
gui.draw_text(x=60, y=20,color="#4169E1", font_size=18,text="语音识别助手")

# gui 添加按钮信息
gui.add_button(x=120, y=110, w=100, h=30, text="录音", origin='center', onclick=lambda: print("开始录音") )

gui.add_button(x=120, y=210, w=100, h=30, text="识别", origin='center', onclick=lambda: prnt("开始识别") )

效果：

2、添加相应事件

from unihiker import GUI,Audio  #导入包
from aip import AipSpeech

gui=GUI()  #实例化GUI类
audio = Audio() # 实例化Audio类

#gui 添加文本标题
gui.draw_text(x=60, y=20,color="#4169E1", font_size=18,text="语音识别助手")

# gui 添加按钮信息
gui.add_button(x=120, y=110, w=100, h=30, text="录音", origin='center', onclick=lambda:Record() )

gui.add_button(x=120, y=210, w=100, h=30, text="识别", origin='center', onclick=lambda: Recognition() )
# 识别显示信息
info_text2 = gui.draw_text(x=0, y=60,color="black",text="")

""" 你的 APPID AK SK """
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件（固定代码）
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 识别本地文件
def voiceToText():
    res = client.asr(get_file_content('3s.wav'), 'wav', 16000, {
            'dev_pid': 1537,
        })
    return res.get('result')[0]

def Record():
    print("开始进行录音")
    audio.record('3s.wav', 3) #录音3S
    print("录音结束")
    info_text2.config(x=0, y=60, text="")# 清空识别信息显示栏

def Recognition():
    print("开始进行语音识别")
    msg = voiceToText()
    print(msg)
    info_text2.config(x=0, y=60, text=msg) #更新识别显示的信息
    time.sleep(1)

import time
while True:

    #增加等待，防止程序退出和卡住
    time.sleep(1)

效果：

3、美化界面

from unihiker import GUI,Audio  #导入包
from aip import AipSpeech

gui=GUI()  #实例化GUI类
audio = Audio() # 实例化Audio类

""" 你的 APPID AK SK """
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# gui 添加背景图片
gui.draw_image(x=0, y=0, w=240, h=320,  image='3.png')

# gui 按钮图片
gui.draw_image(x=0, y=0, w=240, h=320,  image='3.png')
gui.draw_image(x=10, y=15, w=40, h=40,image='4.png')
gui.draw_image(x=120, y=120, w=80, h=50,  image='1.png', origin='center', onclick=lambda: Record())
gui.draw_image(x=120, y=210, w=80, h=50,  image='2.png', origin='center', onclick=lambda: Recognition())

#gui 添加文本标题
gui.draw_text(x=60, y=20,color="#4169E1", font_size=18,text="语音识别助手")
# 识别信息显示栏
info_text2 = gui.draw_text(x=0, y=60,color="white",text="")

# 读取文件（固定代码）
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 识别本地文件
def voiceToText():
    res = client.asr(get_file_content('3s.wav'), 'wav', 16000, {
            'dev_pid': 1537,
        })
    return res.get('result')[0]

def Record():
    print("开始进行录音")
    audio.record('3s.wav', 3)
    print("录音结束")
    info_text2.config(x=0, y=60, text="")

def Recognition():
    print("开始进行语音识别")
    msg = voiceToText()
    print(msg)

    info_text2.config(x=0, y=60, text=msg)
    time.sleep(1)

import time
while True:
    #增加等待，防止程序退出和卡住
    time.sleep(1)

效果

总结

ok！到这里我们本次的行空板教程：语音识别助手就结束了，我们通过此教程学会了：行空板的基础空间的使用，相关环境的安装，百度api接口的调用，文件的上传等操作。不知道屏幕前的读者学会了吗？相关素材和源码。关注公众号：跟着hockel玩科创，回复”语音助手“即可获得哈。