概述：
本demo是ros下基於百度語音的，語音識別和語音合成，能夠實現文字轉語音，語音轉文字的功能。
詳細：
1. 安裝庫與環境
首先確保已經安裝了以下兩個庫文件。
1.1 Python 音頻處理庫 PyAudio
python -m pip install pyaudio
1.2 Python 音頻處理庫 vlc
pip install python-vlc
1.3 ROS
確保安裝了ROS
http://wiki.ros.org/indigo
2. 實時語音識別與語音合成
2.1 運行
Speech Recognition（語音識別）:
roslaunch simple_voice simple_voice.launch
Text To Speech（語音合成）:
roslaunch simple_voice simple_speaker.launch
2.2 概述
在運行前先確保安裝了python的pyaudio 以及 vlc 庫文件.
百度語音識別為開發者提供業界優質且免費的語音服務,通過場景識別優化,,准確率達到90%以上,讓您的應用繪“聲”繪色。
本文中的語音識別功能：采用百度語音識別庫，實現語音轉化為文字的功能，並且輸出為ros話題。
本文中的語音合成功能：采用百度語音識別庫，實現將文字轉化為語音並且存儲為mp3/wav文件。
2.3 Node
包中一共有3個節點：
- node_main.py
- simple_speek.py
- voice_node.py.
node_main.py 是TTS(Text To Speech)的demo節點, 該demo是和laser scanner一起運行的，當laser檢測到一個障礙物，node_main將會觸發simple_speek.py讓機器說出英語或者漢語 'excuse me', 'make a way for me pls'或者'請讓一下'，等話語。
simple_speek.py 將會訂閱 std_msgs/String 消息類型的話題，並且將該話題中輸入的文字轉化為語音
voice_node.py 將會識別您在5秒內說出的話語並且輸出到終端上。
2.4 訂閱的 Topic
TTS(Text To Speech - simple_speek.py):
/speak_string(std_msgs/String)
語音合成節點中機器將會說出的文字。
Demo(node_main.py):
/SpeakerSubTopic (std_msgs/String )
這個是也是一個語音合成的demo節點，是用來觸發Text To Speech - simple_speek.py節點的，您可以隨意更改SpeakerSubTopic中的文本。
當您給該節點發布stop將會立刻出發Text To Speech - simple_speek.py節點開始說話了。
2.5 發布的 Topic
Demo (node_main.py):
/speak_string(std_msgs/String )
該話題將會定義機器的語音合成（TTS）說什么。
Speech Recognition(voice_node.py):
/Rog_result(std_msgs/String )
這個是語音識別程序，功能是將語音轉化為文字。
觸發是在終點中輸入ENTER。
3. 實現過程的部分代碼展示
simple_speek.py中播放合成語音部分：
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中訂閱消息部分：
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中語音合成部分：
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 觸發部分
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 語音識別部分
while True and NO_WORDS:
time_out -= 1
print 'time_out in', time_out # 讀入NUM_SAMPLES個取樣
string_audio_data = stream.read(self.NUM_SAMPLES) # 將讀入的數據轉換為數組
audio_data = np.fromstring(string_audio_data, dtype=np.short)
# 查看是否沒有語音輸入
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)
# 計算大於LOWER_LEVEL的取樣的個數
large_sample_count = np.sum( audio_data > self.LOWER_LEVEL )
# 如果個數大於COUNT_NUM，則至少保存SAVE_LENGTH個塊
if large_sample_count > self.COUNT_NUM:
save_count = self.SAVE_LENGTH
else:
save_count -= 1
# 將要保存的數據存放到save_buffer中
if save_count < 0:
save_count = 0
elif save_count > 0 :
save_buffer.append( string_audio_data )
else:
pass
# 將save_buffer中的數據寫入WAV文件，WAV文件的文件名是保存的時刻
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. 項目文件結構
ros下基於百度語音的，語音識別和語音合成
注：本文著作權歸作者，由demo大師代發，拒絕轉載，轉載需要作者授權