您现在的位置是：亿华云 > IT科技类资讯

Python只需要三十行代码，打造一款简单的人工语音对话

亿华云2025-10-03 13:58:01【IT科技类资讯】5人已围观

简介1876年，亚历山大·格雷厄姆·贝尔(Alexander Graham Bell)发明了一种电报机，可以通过电线传输音频。托马斯·爱迪生(Thomas Edison)于1877年发明了留声机，这是第一

1876年，只需造款亚历山大·格雷厄姆·贝尔(Alexander Graham Bell)发明了一种电报机，行代可以通过电线传输音频。码打托马斯·爱迪生(Thomas Edison)于1877年发明了留声机，简单这是工语第一台记录声音并播放声音的机器。

最早的音对语音识别软件之一是由Bells Labs在1952年编写的，只能识别数字。只需造款1985年，行代IBM发布了使用“隐马尔可夫模型”的码打软件，该软件可识别1000多个单词。简单

几年前，工语一个replace("?音对","")代码价值一个亿

如今，在Python中Tensorflow，只需造款Keras，行代Librosa，码打Kaldi和语音转文本API等多种工具使语音计算变得更加容易。

今天，我使用gtts和speech_recognition，教大家如何通过三十行代码，打造一款简单的人工语音对话。思路就是将语音变成文本，然后文本变成语音。

gtts

gtts是服务器托管将文字转化为语音，但是需要在虚拟网络下使用。这个因为要接谷歌服务器。

具体gtts的官方文档：

下面，让我们看一段简单的的代码

from gtts import gTTS def speak(audioString): print(audioString) tts = gTTS(text=audioString, lang=en) tts.save("audio.mp3") os.system("audio.mp3") speak("Hi Runsen, what can I do for you?")

执行上面的代码，就可以生成一个mp3文件，播放就可以听到了Hi Runsen, what can I do for you?。这个MP3会自动弹出来的。

speech_recognition

speech_recognition用于执行语音识别的库，支持在线和离线的多个引擎和API。

speech_recognition具体官方文档

安装speech_recognition可以会出现错误，对此解决的方法是通过该网址安装对应的whl包

在官方文档中提供了具体的识别来自麦克风的语音输入的代码

下面就是 speech_recognition 用麦克风记录下你的话，这里我使用的是云南idc服务商 recognize_google，speech_recognition 提供了很多的类似的接口。

import time import speech_recognition as sr # 录下来你讲的话 def recordAudio(): # 用麦克风记录下你的话 print("开始麦克风记录下你的话") r = sr.Recognizer() with sr.Microphone() as source: audio = r.listen(source) data = "" try: data = r.recognize_google(audio) print("You said: " + data) except sr.UnknownValueError: print("Google Speech Recognition could not understand audio") except sr.RequestError as e: print("Could not request results from Google Speech Recognition service; { 0}".format(e)) return data if __name__ == __main__: time.sleep(2) while True: data = recordAudio() print(data)

下面是我乱说的英语

对话

上面，我们实现了用麦克风记录下你的话，并且得到了对应的文本，那么下一步就是字符串的文本操作了，比如说how are you，那回答"I am fine”，然后将"I am fine”通过gtts是将文字转化为语音

# @Author：Runsen # -*- coding: UTF-8 -*- import speech_recognition as sr from time import ctime import time import os from gtts import gTTS # 讲出来AI的话 def speak(audioString): print(audioString) tts = gTTS(text=audioString, lang=en) tts.save("audio.mp3") os.system("audio.mp3") # 录下来你讲的话 def recordAudio(): # 用麦克风记录下你的话 r = sr.Recognizer() with sr.Microphone() as source: audio = r.listen(source) data = "" try: data = r.recognize_google(audio) print("You said: " + data) except sr.UnknownValueError: print("Google Speech Recognition could not understand audio") except sr.RequestError as e: print("Could not request results from Google Speech Recognition service; { 0}".format(e)) return data # 自带的对话技能（逻辑代码：rules） def jarvis(): while True: data = recordAudio() print(data) if "how are you" in data: speak("I am fine") if "time" in data: speak(ctime()) if "where is" in data: data = data.split(" ") location = data[2] speak("Hold on Runsen, I will show you where " + location + " is.") # 打开谷歌地址 os.system("open -a Safari https://www.google.com/maps/place/" + location + "/&") if "bye" in data: speak("bye bye") break if __name__ == __main__: # 初始化 time.sleep(2) speak("Hi Runsen, what can I do for you?") # 跑起 jarvis()