【雕爷学编程】MicroPython动手做（25）——语音合成与语音识别

news2024/11/15 19:53:56

知识点：什么是掌控板？
掌控板是一块普及STEAM创客教育、人工智能教育、机器人编程教育的开源智能硬件。它集成ESP-32高性能双核芯片，支持WiFi和蓝牙双模通信，可作为物联网节点，实现物联网应用。同时掌控板上集成了OLED显示屏、RGB灯、加速度计、麦克风、光线传感器、蜂鸣器、按键开关、触摸开关、金手指外部拓展接口，支持图形化及MicroPython代码编程，可实现智能机器人、创客智造作品等智能控制类应用。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1、TTS（Text-To-Speech，文本到语音）
TTS是Text To Speech的缩写，即“从文本到语音”，是人机对话的一部分，将文本转化问文字，让机器能够说话。我们比较熟悉的ASR（Automatic Speech Recognition），是将声音转化为文字，可类比于人类的耳朵。而TTS是将文字转化为声音（朗读出来），类比于人类的嘴巴，是人机对话的一部分，让机器能够说话。

TTS是同时运用语言学和心理学的杰出之作，在内置芯片的支持之下，通过神经网络的设计，把文字智能地转化为自然语音流。TTS技术对文本文件进行实时转换，转换时间之短可以秒计算。在其特有智能语音控制器作用下，文本输出的语音音律流畅，使得听者在听取信息时感觉自然，毫无机器语音输出的冷漠与生涩感。TTS语音合成技术 [1] 即将覆盖国标一、二级汉字，具有英文接口，自动识别中、英文，支持中英文混读。所有声音采用真人普通话为标准发音，实现了120-150个汉字/分钟的快速语音合成，朗读速度达3-4个汉字/秒，使用户可以听到清晰悦耳的音质和连贯流畅的语调。有少部分MP3随身听具有了TTS功能。

在这里插入图片描述

附：什么是人工智能?

顾名思义就是由人创造的"智慧能力"，具备听说看理解等能力。

听 ==语音识别

说 ==语音合成

看 ==图像视频文字识别

理解 ==语言(文字)图像视频理解等逻辑处理

思考 ==理解后的逻辑处理

2、语音合成(SpeechSynthesis)
语音合成，能将任意文字信息实时转化为标准流畅的语音朗读出来，相当于给机器装上了人工嘴巴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是中文信息处理领域的一项前沿技术，解决的主要问题就是如何将文字信息转化为可听的声音信息，也即让机器像人一样开口说话。我们所说的“让机器像人一样开口说话”与传统的声音回放设备（系统）有着本质的区别。传统的声音回放设备（系统），如磁带录音机，是通过预先录制声音然后回放来实现“让机器说话”的。这种方式无论是在内容、存储、传输或者方便性、及时性等方面都存在很大的限制。而通过计算机语音合成则可以在任何时候将任意文本转换成具有高自然度的语音，从而真正实现让机器“像人一样开口说话”。

语音合成是通过机械的、电子的方法产生人造语音的技术。TTS技术（又称文语转换技术）隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。TTS将储存于电脑中的文件，如帮助文件或者网页，转换成自然语音输出。TTS不仅能帮助有视觉障碍的人阅读计算机上的信息，更能增加文本文档的可读性。TTS应用包括语音驱动的邮件以及声音敏感系统，并常与声音识别程序一起使用。语音合成满足将文本转化成拟人化语音的需求，打通人机交互闭环。 提供多种音色选择，支持自定义音量、语速，让发音更自然、更专业、更符合场景需求。语音合成广泛应用于语音导航、有声读物、机器人、语音助手、自动新闻播报等场景，提升人机交互体验，提高语音类应用构建效率。

在这里插入图片描述

3、TTS一般分为两个步骤
（1） 文本处理。这一步做的事情是把文本转化成音素序列，并标出每个音素的起止时间、频率变化等信息。作为一个预处理步骤，它的重要性经常被忽视，但是它涉及到很多值得研究的问题，比如拼写相同但读音不同的词的区分、缩写的处理、停顿位置的确定，等等。
（2）语音合成。狭义上这一步专指根据音素序列（以及标注好的起止时间、频率变化等信息）生成语音，广义上它也可以包括文本处理的步骤。这一步主要有三类方法：
a、拼接法，即从事先录制的大量语音中，选择所需的基本单位拼接而成。这样的单位可以是音节、音素等等；为了追求合成语音的连贯性，也常常用使用双音子（从一个音素的中央到下一个音素的中央）作为单位。拼接法合成的语音质量较高，但它需要录制大量语音以保证覆盖率。
b、参数法，即根据统计模型来产生每时每刻的语音参数（包括基频、共振峰频率等），然后把这些参数转化为波形。参数法也需要事先录制语音进行训练，但它并不需要100%的覆盖率。参数法合成出的语音质量比拼接法差一些。
c、声道模拟法。参数法利用的参数是语音信号的性质，它并不关注语音的产生过程。与此相反，声道模拟法则是建立声道的物理模型，通过这个物理模型产生波形。这种方法的理论看起来很优美，但由于语音的产生过程实在是太复杂，所以实用价值并不高。

在这里插入图片描述

4、在讯飞开放平台注册

TTS是Text To Speech的缩写，即“从文本到语音”，是人机对话的一部分，将文本转化问文字，让机器能够说话。

掌控拓展板的在线语音合成功能是使用 讯飞在线语音合成API（https://www.xfyun.cn/services/online_tts） ，用户在使用该功能前，需要在讯飞开放平台注册并做相应的配置。

步骤1.在讯飞 https://www.xfyun.cn 注册账号。

在这里插入图片描述

步骤2.创建新应用，应用平台选择"WebAPI"

在这里插入图片描述
步骤3.添加"在线语音合成"服务，且在程序中传入APPID、APIKey实例 TTS ，获取自己的公网IP(http://www.ip138.com)并添加到IP白名单。

注意
在调用该业务接口时，授权认证通过后，服务端会检查调用方IP是否在讯飞开放平台配置的IP白名单中，对于没有配置到白名单中的IP发来的请求，服务端会拒绝服务。
IP白名单，在 控制台-我的应用-相应服务的应用管理卡片上 编辑，保存后五分钟左右生效。
每个IP白名单最多可设置5个IP，IP为外网IP，请勿设置局域网IP。

在这里插入图片描述

5、文字转语音

#MicroPython动手做（25）——语音合成与语音识别
#测试文字转语音

注意
TTS功能依赖网络，使用是注意先连接网络并保持网络通畅！

首先使用 ntptime.settime() 校准RTC时钟。
然后 player_init() 初始化。
用 xunfei_tts_config(api_key, appid ) , appid , api_key 为必选参数，在讯飞平台的应用的APPID、API_KET 。
然后使用 xunfei_tts(text) 将文本转为语音并播放。

TTS支持中英文的文本转换。你可以将你想要说话的内容，通过文本的形式转化为语音。这样你就可以给你掌控板添上“人嘴”，模拟人机对话场景。

在这里插入图片描述

#MicroPython动手做（25）——语音合成与语音识别
#测试文字转语音

from mpython import *
import network
import ntptime
from xunfei import *
import audio

my_wifi = wifi()

my_wifi.connectWiFi("zh", "zy1567")


while True:
    try:
        ntptime.settime(8, "time.windows.com")
        break
    except:
        pass
Text = "掌控板TTS文字转语音以及语音识别"
Audio = "tts.pcm"
speech_tts = Xunfei_speech("5ec66b", "5d32b259f15b2902d81b9efd22926", "3aace39c0ecea76ef46a200300826", mode=MODE_TTS, AudioFile=Audio, Text=Text)
print("Processing, please wait....")
speech_tts.tts()
audio.player_init()
audio.set_volume(100)
audio.play(Audio)

运行程序后，一直出错，换成2.0版掌控板，又重刷固件，仍是不行。后来偶然发现，讯飞开发平台有个IP白名单，需要保持更新（每次打开电脑的IP地址是随机分配的），否则无法使用WebAPI调用方式。

核查IP https://www.ip138.com/

在这里插入图片描述

mPython X 图形编程

在这里插入图片描述

MicroPython动手做（25）——语音合成与语音识别
#测试文字转语音（视频）

https://v.youku.com/v_show/id_XNDY4MjQyODY0MA==.html?spm=a2h0c.8166622.PhoneSokuUgc_1.dtitle

在这里插入图片描述

6、AB按键切换语言合成项目

#MicroPython动手做（25）——语音合成与语音识别
#AB按键切换语言合成项目

from mpython import *
import network
import time
import ntptime
from xunfei import *
import audio

my_wifi = wifi()

my_wifi.connectWiFi("zh", "zy1567")

def on_button_a_down(_):
    global Audio, Text
    time.sleep_ms(10)
    if button_a.value() == 1: return
    rgb[0] = (int(102), int(0), int(0))
    rgb.write()
    time.sleep_ms(1)
    Text = "A键被按下"
    Audio = "tts.pcm"
    speech_tts = Xunfei_speech("5ec66b", "5d32b259f15b2902d81b9efd22926", "3aace39c0ecea76ef46a200300826", mode=MODE_TTS, AudioFile=Audio, Text=Text)
    print("Processing, please wait....")
    speech_tts.tts()
    oled.fill(0)
    oled.DispChar("           A键被按下", 0, 16, 1)
    oled.show()
    audio.player_init()
    audio.set_volume(120)
    audio.play(Audio)
    time.sleep(2)
    oled.fill(0)
    rgb[0] = (0, 0, 0)
    rgb.write()
    time.sleep_ms(1)
    oled.show()

def on_button_b_down(_):
    global Audio, Text
    time.sleep_ms(10)
    if button_b.value() == 1: return
    rgb[2] = (int(102), int(0), int(0))
    rgb.write()
    time.sleep_ms(1)
    Text = "B键被按下"
    Audio = "tts.pcm"
    speech_tts = Xunfei_speech("5ec66b", "5d32b259f15b2902d81b9efd22926", "3aace39c0ecea76ef46a200300826", mode=MODE_TTS, AudioFile=Audio, Text=Text)
    print("Processing, please wait....")
    speech_tts.tts()
    oled.fill(0)
    oled.DispChar("           B键被按下", 0, 16, 1)
    oled.show()
    audio.player_init()
    audio.set_volume(120)
    audio.play(Audio)
    time.sleep(2)
    oled.fill(0)
    rgb[2] = (0, 0, 0)
    rgb.write()
    time.sleep_ms(1)
    oled.show()

button_a.irq(trigger=Pin.IRQ_FALLING, handler=on_button_a_down)

button_b.irq(trigger=Pin.IRQ_FALLING, handler=on_button_b_down)


rgb[1] = (int(0), int(51), int(0))
rgb.write()
time.sleep_ms(1)
while True:
    try:
        ntptime.settime(8, "time.windows.com")
        break
    except:
        pass

在这里插入图片描述

mPython X 图形编程

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/815185.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

山西电力市场日前价格预测【2023-08-01】

山西电力市场日前价格预测【2023-08-01】

日前价格预测 预测明日（2023-08-01）山西电力市场全天平均日前电价为310.15元/MWh。其中，最高日前电价为335.18元/MWh，预计出现在19: 45。最低日前电价为288.85元/MWh，预计出现在14: 00。 价差方向预测 1：实…
阅读更多...
无涯教程-jQuery - css( properties )方法函数

无涯教程-jQuery - css( properties )方法函数

css(properties)方法将键/值对象设置为所有匹配元素的样式属性。 css( properties ) - 语法 selector.css( properties ) 上面的语法可以写成如下- selector.css( {key1:val1, key2:val2....keyN:valN}) 这是此方法使用的所有参数的描述- key:value - 设置为样式属…
阅读更多...
郑州https数字证书

郑州https数字证书

很多注重隐私的网站都注重网站信息的安全，比如购物网站就需要对客户的账户信息以及支付信息进行安全保护，否则信息泄露，客户与网站都有损失，网站也会因此流失大量客户。而网站使用https证书为客户端与服务器之间传输的信息加了一个…
阅读更多...
＜Git＞版本控制工具Git常见的开发操作

＜Git＞版本控制工具Git常见的开发操作

下载安装,环境变量配置直接百度; 1.代码拉取: 操作步骤：在正确配置完git的条件下:在本地文件夹下：右键–Git Bash -Here： 出现如下弹窗: 在黑窗口输入代码拉取路径(一般都是把命令和路径直接在外面写好,直接粘贴(在窗口右键,Paste)) 代码拉去…
阅读更多...
JavaScript学习 -- 对称加密算法3DES

JavaScript学习 -- 对称加密算法3DES

在现代的互联网时代，数据安全性备受关注。为了保护敏感数据的机密性，对称加密算法是一种常用的方法。在JavaScript中，3DES（Triple Data Encryption Standard）是一种常用的对称加密算法。本篇博客将为您展示如何在JavaS…
阅读更多...
竞速榜实时离线对数方案演进介绍 | 京东云技术团队

竞速榜实时离线对数方案演进介绍 | 京东云技术团队

一、背景 竞速榜是大促期间各采销群提供的基于京东实时销售数据的排行榜，同样应对大促流量洪峰场景，通过榜单撬动品牌在京东增加资源投入。竞速榜基于用户配置规则进行实时数据计算，榜单排名在大促期间实时变化，相关排名数据在微…
阅读更多...
Chrome浏览器中的vue插件devtools的下载方式（使用Chrome应用商店/科学上网情况下）

Chrome浏览器中的vue插件devtools的下载方式（使用Chrome应用商店/科学上网情况下）

目录 devtools对前端来说的好处——开发预览、远程调试、性能调优、Bug跟踪、断点调试等 下载步骤： 测试阶段： 最近做项目要使用devtools这个vue插件。 devtools对前端来说的好处——开发预览、远程调试、性能调优、Bug跟踪、断点调试等 下载步骤…
阅读更多...
灭蚊灯上架亚马逊美国站UL1559测试报告办理

灭蚊灯上架亚马逊美国站UL1559测试报告办理

近年来，随着全球气候变暖和环境变化，蚊虫成为了世界各地人们的头疼问题。为了解决这一困扰，我司研发出一款创新的昆虫控制设备——灭蚊灯，并成功将其上架亚马逊美国站。为了满足亚马逊站对产品的要求，我们积极办理了UL…
阅读更多...
寒假作业(蓝桥杯2016年省赛C++A组第6题 )

寒假作业(蓝桥杯2016年省赛C++A组第6题 )

题目： 注：蓝桥杯2016年省赛C++A组第6题 请填写表示方案数目的整数。 题解： 由题可知这是一道全排列问题，因此我们可以使用c++的next_permutation函数对于1-13的数字进行全排列即可，并每次排列判断是否满足题意。 注意：你提交的应该是一个整数，不要填写任何多余的内…
阅读更多...
测试|Selenium介绍及环境搭建

测试|Selenium介绍及环境搭建

测试|Selenium介绍及环境搭建 1.Selenium是什么 Selenium是用来做web网站 UI自动化的测试工具/测试框架。 我们这里说的Selenium是Selenium2.0，它由Selenium IDE，Webdriver, Selenium Grid组成。 Selenium IDE是用于Selenium测试的完成集成开发环境&…
阅读更多...
小程序反馈与投诉混淆官方修改指引

小程序反馈与投诉混淆官方修改指引

根据《微信小程序平台运营规范》5.14“混淆行为：5.14.1 恶意混淆腾讯官方功能”，相关违规类型包括但不限于以下类型。 官方“反馈与投诉”入口与样式： 违规类型1：混淆官方投诉入口 小程序中的投诉入口样式与官方投诉入口icon名称…
阅读更多...
边缘检测（Canny算子）实现原理

边缘检测（Canny算子）实现原理

当前，边缘检测算法在实际应用中越加广泛，技术趋势也是快速发展，热火朝天。很多朋友或多或少了解，需要实现各类功能，尤其是一些复杂的需求，实现更好的滤波、满足更佳的提取效果，一时半会儿无从下手。 下面小编就带大家了解关于边缘检测算子的实现原理。由于边缘检测算子常…
阅读更多...
相约脑暴会，共创大未来——动态实时三维人体重建脑暴会

相约脑暴会，共创大未来——动态实时三维人体重建脑暴会

今夏我们召集江湖中的有识之士，共同探讨动态实时三维人体重建制作容积视频的方案，展开一场别开生面的脑暴会。在此，我们向全球开发者发出诚挚邀请，邀请您加入我们周三（8月2日）晚上八点通过腾讯会议进行的脑…
阅读更多...
多重背包二进制优化

多重背包二进制优化

可以将混合背包看作是一个特殊的多重背包，只要转化一下即可，将s-1转为1s0转化为m/v(最大可能装下的货物); 二进制优化的精髓就在于选择物品的次数，比如有s7，我们可以分为1，2 ，4(二进制形式),1就代表选择一个…
阅读更多...
HTTP协议+GET/POST区别

HTTP协议+GET/POST区别

1. web开发流程 （1） HTML、CSS、JS、图片等资源通过浏览器进行整合，最终渲染出所需画面。 （2）浏览器对Web服务器进行资源请求 浏览器通过url请求资源。【HTTP协议、URL：确定唯一的一个资源】 浏览器请求…
阅读更多...
DeepVO 论文阅读

DeepVO 论文阅读

论文信息 题目：DeepVO Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks 作者：Sen Wang, Ronald Clark, Hongkai Wen and Niki Trigoni 代码地址：http://senwang.gitlab.io/DeepVO/ (原作者并没有开源…
阅读更多...
驶向专业：嵌入式开发在自动驾驶中的学习之道

驶向专业：嵌入式开发在自动驾驶中的学习之道

导语: 自动驾驶技术在汽车行业中的快速发展为嵌入式开发领域带来了巨大的机遇。作为自动驾驶的核心组成部分，嵌入式开发在驱动汽车的智能化和自主性方面发挥着至关重要的作用。本文将探讨嵌入式开发的学习方向、途径以及未来在自动驾驶领域中的展望。 一、学习方向:…
阅读更多...
备战携程面试：Redis Master-Slave异步同步进度独家解析！

备战携程面试：Redis Master-Slave异步同步进度独家解析！

Hello 大家好，我是你们的小米！今天我要和大家分享一道来自携程的面试题：Redis Master-Slave异步同步的话怎么判断Slave同步进度？ Redis，作为一款非常火热的内存数据库，提供了Master-Slave的异步复制机制&a…
阅读更多...
什么是嵌入式软件开发？

什么是嵌入式软件开发？

嵌入式软件一般是在交叉的开发环境下进行的，这样的运行环境能够让软件开发过程中更加稳定、可靠和安全，在很大程度上提升了软件开发的质量和效率，同时也使得软件开发的难度和程度大大降低。 嵌入式软件的交叉开发环境，反映了用于…
阅读更多...
【数据结构篇C++实现】- 特殊的线性表 - 串

【数据结构篇C++实现】- 特殊的线性表 - 串

友情链接：C/C系列系统学习目录 文章目录 串🚀一、串的定义🚀二、串的存储结构🛴（一）串的顺序存储结构1、定长顺序存储表示2、堆分配存储表示 🛴（二）串的链式存储结构3、块…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023