树莓派Linux实现ChatGPT语音交互（语音识别，TTS）

---

前言

ChatGPT利用想必大家都不陌生，进入官网，注册账号即可开始正式的对话聊天，可是如何利用ChatGPT API,且在Linux环境下举行语音交互呢？可巧在今年暑期参加物联网计划竞赛有效到这项功能，本日就来教下大家详细步骤。

---

一、ChatGPT API获取

如何获取一个ChatGPT账号相比对大家来说不是一件难事，网上教程许多大家可以搜一下，获取到一个账号后，可以进入https://platform.openai.com/account/api-keys页面。

选择创建一个api key 大家一定要生存好这个密钥，后续利用都是利用这个密钥。这里必要注意免费API每个账户都是有限的，五美元，理论上自己日常利用时用不完了的。
二、API利用步骤

接下来就让我们来试验一下API密钥。首先在Linux环境下必要安装openai的包这里我们以树莓派为例。

1. pip3 install openai

复制代码

成功安装后我们就可以创建一个Python运行一下，而众所周知，ChatGPT是必要必要利用邪术的，API调用也不破例。

1. # -*- coding: utf-8 -*-
3. import openai
5. # 设置OpenAI API密钥
6. openai.api_key = 'sk-xxxx'#这里需要替换为你的账户API KEY
8. # 定义初始对话历史
9. conversation_history = [
10.     {'role': 'system', 'content': 'You are a helpful assistant.'}
11. ]
13. # 循环交互
14. while True:
15.     # 处理用户输入
16.     user_input = input("User: ")
18.     # 将用户输入添加到对话历史中
19.     conversation_history.append({'role': 'user', 'content': user_input})
21.     # 发送聊天请求
22.     response = openai.ChatCompletion.create(
23.         model='gpt-3.5-turbo',
24.         messages=conversation_history,
25.         max_tokens=100,
26.         n=1,
27.         stop=None,
28.         temperature=0.7
29.     )
31.     # 获取助手的回复
32.     assistant_reply = response['choices'][0]['message']['content']
34.     # 打印助手的回复
35.     print("Assistant:", assistant_reply)
37.     # 将助手的回复添加到对话历史中
38.     conversation_history.append({'role': 'assistant', 'content': assistant_reply})
40.     # 检查用户是否选择退出循环
41.     if user_input.lower() == 'exit':
42.         break

复制代码

通过以上代码实现简单的API调用，运行。

问出问题，就可以得到你想要的答案。其中的模子大家也可以根据需求选用。
三、语音识别

首先最重要的是外接一个麦克风设备，对外界及时音频举行识别，这里树莓派上利用的无驱的USB麦克风设备。

想要实现真正意义上的语音交互，就只能从及时音频流中读取。
这里我们利用的是Google的语音识别API SpeechRecognition。
首先在终端中安装相关包。

1. pip3 install SpeechRecognition

复制代码

成功安装，且麦克风设备安装完成，我们就可以进入下一步。
我们利用一个Python程序来举行实现。

1. import speech_recognition as sr
3. # 创建一个Recognizer对象
4. r = sr.Recognizer()
6. # 使用麦克风录音
7. with sr.Microphone() as source:
8.     print("请说话：")
9.     audio = r.listen(source)
11. # 将语音转换为文本
12. try:
13.     text = r.recognize_google(audio, language='zh-CN')
14.     print("你说的是：" + text)
15. except sr.UnknownValueError:
16.     print("无法识别你的语音")
17. except sr.RequestError as e:
18.     print("无法连接到Google API，错误原因：" + str(e))

复制代码

这里是实现及时音频的识别。必要注意的是，speech_recognition的利用也必要Linux环境下的邪术上网。
运行代码会出现许多报错信息，但这些都不影响我们的识别效果。

当体现请说话示例时就可以提出问题了。实测在安静环境下识别速率和识别正确率还是非常高的。
识别返回的效果生存在text中，只要将text赋值给上述GPT的输入即可。
三、TTS（语音合成）

要想实现语音对话，还必要将GPT复兴的问题经过TTS转化为音频。
这里利用的阿里云的Sambert语音合成，实测合成速率很快，且语音天然。
首先必要下载Sambert的包

1. pip3 install dashscope

复制代码

试验一下

1. # coding=utf-8
3. import dashscope
4. from dashscope.audio.tts import SpeechSynthesizer
6. dashscope.api_key='your-dashscope-api-key'
8. result = SpeechSynthesizer.call(model='sambert-zhichu-v1',
9.                                 text='今天天气怎么样',
10.                                 sample_rate=48000,
11.                                 format='wav')
13. if result.get_audio_data() is not None:
14.     with open('output.wav', 'wb') as f:
15.         f.write(result.get_audio_data())
16. print('  get response: %s' % (result.get_response()))

复制代码

实行代码后就能生成一个output.wav文件，文件内容就是text中问出的问题。
四、音频播放

得到了生成的音频文件，我们还必要将他播放出来。
Linux环境下python播放音频播放我尝过各种方式，末了利用效果最好，延时最低的是利用pygame来播放。
还是以同样的步骤，安装pygame。

1. pip3 install pygame

复制代码

五、功能整合

将所有功能举行整合，即可实现末了想要实现的功能。

1. # -*- coding: utf-8 -*-
2. import openai
3. import pygame
4. from pygame import mixer
5. import dashscope
6. from dashscope.audio.tts import SpeechSynthesizer
7. import speech_recognition as sr
8. import time
9. # 创建一个Recognizer对象
10. r = sr.Recognizer()
11. mixer.init()
13. # 设置OpenAI API密钥
14. openai.api_key = 'sk-xx'
15. dashscope.api_key='sk-xx'
17. # 定义初始对话历史
18. conversation_history = [
19.     {'role': 'system', 'content': 'You are a helpful assistant.'}
20. ]
22. # 循环交互
23. while True:
24.     # 处理用户输入
25.     # 使用麦克风录音
26.     with sr.Microphone() as source:
27.         print("请开始说话...")
28.         audio = r.listen(source)
30.     try:
31.         # 使用语音识别引擎将音频转换为文字
32.         text = r.recognize_google(audio, language='zh-CN')
33.         print("识别结果：", text)
34.     except sr.UnknownValueError:
35.         print("无法识别音频")
36.     except sr.RequestError as e:
37.         print("请求出错：", e)
38.     user_input = text
40.     # 将用户输入添加到对话历史中
41.     conversation_history.append({'role': 'user', 'content': user_input})
43.     # 发送聊天请求
44.     response = openai.ChatCompletion.create(
45.         model='gpt-3.5-turbo',
46.         messages=conversation_history,
47.         max_tokens=100,
48.         n=1,
49.         stop=None,
50.         temperature=0.7
51.     )
53.     # 获取助手的回复
54.     assistant_reply = response['choices'][0]['message']['content']
55.     result = SpeechSynthesizer.call(model='sambert-zhimiao-emo-v1',
56.                                 text=assistant_reply,
57.                                 sample_rate=48000,
58.                                 format='wav')
59.     # 打印助手的回复
60.     print("Assistant:", assistant_reply)
61.     if result.get_audio_data() is not None:
62.         with open('output.wav', 'wb') as f:
63.             f.write(result.get_audio_data())
64.     mixer.music.load('output.wav')
65.     mixer.music.play()
67.     # 将助手的回复添加到对话历史中
68.     conversation_history.append({'role': 'assistant', 'content': assistant_reply})
69.     time.sleep(1)
70.     while pygame.mixer.music.get_busy()!=True:  # 在音频播放完成之前不退出程序
71.         pass
72.     print('  get response: %s' % (result.get_response()))

复制代码

运行代码，就可以的到想要得到的效果。因代理问题，末了效果会有短暂的延时。
总结

该案例实现起来不难，找准如何利用才是关键地点，这里实现的用ChatGPT，也可换成文心一言等国内大模子，其效果更好，响应速率更快。本次的分享也就到这里，如果另有什么问题请各位品评指教，大家一起相互学习。

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。