屏幕和语音辨认模块弄出来以后，实在基于ESP32的胖胖狗也就到头了。性能摆在那里，动力加上算力。和市面上那种小小的滚轮呆板人没有太多区别。总感觉又太可惜了，除了能听几句指令，做几个动作，还没那小的电力长期。需要重新思考了设计思路，狗狗一定要具备智能才有研究下去的意义。
因为ESP32它本身无法承载AI运算力，那我就想着，把它的胖脑筋换个地方跑行不可？家里普遍都有一台电脑，使用电脑的计算力，和ESP32擅长的WIFI，团结起来基本上就完善了。假如方案可行，以后可以配置个mini主机，一个家庭中只要一个远控大脑，就可以给这些小呆板精力提供智慧算力。这个想法，灯哥也提出来过，大家不谋而合。 想到了就去做吧，倒腾了两周也算有点小希望了，赶紧写下来。
言归正传，要想和狗狗能互通，首先就要有沟通渠道。网页遥控、语音命令都是单向的，受制于设备本身，比如语音都是特定的指令，错一个字，或者音不准都会有反应。看看如今家庭里常见的智能音响，起码人家还能陪你聊个天，扯个淡什么的。这狗子都没任何反应。那么打通交流的第一步就是语音交互。
找了很多多少平台的，都是要上网，延长先不说，还要付费。不适合家庭内部使用。于是乎找到了百度飞桨的开源引擎，提供了强大的语音辨认（把语音翻译成文字）和TTS合成（把文字转换成语音）模块。而且是离线使用，用起来没有后顾之忧，就是它了！
官方有详细的安装方法，因为只要语音部门，这里提取了一下安装步骤，其他就可以跳过不用搞：
首先一定要安装的是python3.9版本，至于3.9.xxx不紧张，从3.9.9到3.9.21都可以。硬性规定。
然后安装引擎：
pip install paddlespeech
只要装这个 ，期间可能要升级一下pip。然后在用git拉取Paddlespeech的脚本，没有git软件的或者不会弄的，从网站源码直接下载压缩包解压出来都行:
git clone https://github.com/PaddlePaddle/PaddleSpeech.git
然后进入目次，执行pip安装脚本
cd PaddleSpeech
pip install .
记得要前面的paddlespeech安装乐成以后，再来安装脚本。
接下来就是启动服务了。先复制两个文件出来：
这两个文件，一个是asr语音辨认服务，一个是tts流式语音合成服务。为什么选这俩，我背面再说。先编辑第一个文件：
只留下第一个，其他的服务暂时不需要。记得端口上面是8090，第二个文件不用修改，默认就好。
然后开始启动第一个语音辨认服务步调：
paddlespeech_server start --config_file application.yaml
第一次运行，会从官网下载离线模型，要点时间，耐心等候。这就是非流式语音辨认服务步调，选择非流式的缘故原由是能更好的把一句话完整的分析出来，便于指令和消息状态的明白和处理。而流式则轻易导致混乱，而且颠末测试发现非流式经常最后的语义辨认不出来。果断放弃。
再来启动第二个TTS语音合成，第一次也会要下载离线模型，等候一会：
addlespeech_server start --config_file tts_online_application.yaml
端口是8092，别弄错了。
两个服务器就启动完成了。来测试一下语音辨认，因为对声音格式照旧有要求的，比如16bit,采样16000的单通道音频才气辨认，从官网下载一个语音文件,windows没有wget指令，直接复制背面的链接从浏览器下载就好了。
wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav
用命令测试一下:
paddlespeech_client asr --server_ip 127.0.0.1 --port 8090 --input zh.wav
应该就会返回中文辨认结果了。
再来试试TTS语音合成：
paddlespeech_client tts_online --server_ip 127.0.0.1 --port 8092 --protocol http --input "您好，我是可爱的胖胖狗" --output output.wav
合成完毕，播放一下声音看看正不正常就可以了。
至此，语音辨认和合成服务器都已经有了。但是胖胖狗要怎么用这个服务呢？别担心，我已经调试好了两个模块：
tts_module_m.py，asr_module_m.py
在我的胖胖狗源码里面引入这两个模块，就可以和服务器通讯，自动辨认静音，噪声截断，自动线程异步播放TTS，基于I2S全傻瓜调用。当然还要硬件支持，我使用的是INMP441全向麦克风和MAX98357音频放大模块。这个部门我下一篇文章在来讲详。这里主要讲语音合成和辨认服务器的搭建过程。
通过这两个模块，如今就可以和狗狗语言，背面再接入AI模块或者网上的API接口，就能听懂你的话，而且狗狗想给你说的话，也可以通过TTS讲给你听了，至此狗狗的人机交互就算打通了。里面还有许多细节AI模块，我还在研究中，比如辨认语言中的语义来做行动，而不是单纯的靠说"前进"两个字，能辨认“别动”就是停下来的指令。这些开端已经实现了一部门。路还很远，继续努力。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
