Как создать голосового помощника на python

Создание голосового помощника на Python включает несколько ключевых этапов: распознавание речи (Speech-to-Text, STT), обработку запроса и синтез речи (Text-to-Speech, TTS). Для реализации этих компонентов используются специализированные библиотеки и инструменты. sky.pro +1

Необходимые компоненты

Распознавание речи (STT) — преобразование аудиосигнала в текст.
Обработка запроса — анализ текста и определение действия, которое нужно выполнить.
Синтез речи (TTS) — преобразование текстового ответа в аудио.

Установка зависимостей

Для работы потребуются следующие библиотеки:

SpeechRecognition — для распознавания речи. MyRusakov.ru
PyAudio — для захвата аудио с микрофона. MyRusakov.ru
pyttsx3 или gTTS — для синтеза речи. sky.pro

Установите их с помощью pip:

pip install SpeechRecognition PyAudio pyttsx3 gTTS

Распознавание речи

Используйте библиотеку SpeechRecognition для захвата аудио с микрофона и преобразования его в текст. MyRusakov.ru +1

Пример кода:

import speech_recognition as sr

def recognize_speech():
    recognizer = sr.Recognizer()
    with sr.Microphone() as source:
        print("Говорите...")
        recognizer.adjust_for_ambient_noise(source)  # Настройка на шум
        audio = recognizer.listen(source)
    
    try:
        text = recognizer.recognize_google(audio, language="ru-RU")
        print(f"Вы сказали: {text}")
        return text
    except sr.UnknownValueError:
        print("Не удалось распознать речь.")
        return None
    except sr.RequestError as e:
        print(f"Ошибка сервиса: {e}")
        return None

Синтез речи

Для преобразования текста в речь можно использовать pyttsx3 (работает офлайн) или gTTS (требует подключения к интернету). sky.pro +2

Пример с pyttsx3:

import pyttsx3

import pyttsx3

def speak(text):
    engine = pyttsx3.init()
    voices = engine.getProperty('voices')
    engine.setProperty('voice', voices.id)  # Выбор женского голоса [1](https://sky.pro/wiki/python/razrabotka-chat-bota-i-golosovogo-pomoshnika-na-python/)
    engine.say(text)
    engine.runAndWait()

Пример с gTTS:

from gtts import gTTS
import os

def speak_gtts(text, language='ru'):
    filename = f"voice_{str(uuid.uuid4())}.mp3"
    tts = gTTS(text=text, lang=language, slow=False)
    tts.save(filename)
    os.system(f"mpg321 {filename}")  # Для Linux/Mac
    # Для Windows: os.system(f"start {filename}")
    os.remove(filename)

Обработка команд

Определите логику обработки команд. Например, можно использовать условные операторы if-elif-else для выполнения действий в зависимости от распознанного текста. geeksforgeeks.org +1

Пример:

def process_command(command):
    if "время" in command:
        current_time = datetime.datetime.now().strftime("%H:%M:%S")
        return f"Текущее время: {current_time}"
    elif "привет" in command:
        return "Здравствуйте! Чем могу помочь?"
    elif "выход" in command:
        return "До свидания!"
    else:
        return "Не понял команду. Повторите, пожалуйста."

Основной цикл работы ассистента

Объедините все компоненты в единый цикл, который будет ждать команд, распознавать их, обрабатывать и озвучивать ответ. sky.pro +1

Пример:

def main():
    speak("Голосовой помощник запущен. Чем могу помочь?")
    while True:
        command = recognize_speech()
        if command and "выход" in command:
            speak("До свидания!")
            break
        response = process_command(command)
        speak(response)

if __name__ == "__main__":
    main()

Дополнительные возможности

Интеграция NLP — для более сложного понимания намерений пользователя можно использовать библиотеки машинного обучения (например, scikit-learn) или готовые решения вроде Rasa или Dialogflow.
Локализация — настройка языка распознавания и синтеза речи.
Активация голосом — использование библиотек вроде Snowboy или Picovoice Porcupine для активации ассистента по ключевому слову.
Выполнение действий — добавление функций для управления устройствами, поиска информации в интернете, воспроизведения музыки и т. д.

Необходимые библиотеки

Для базового голосового помощника потребуются следующие библиотеки:

SpeechRecognition — для распознавания речи (преобразования аудио в текст). sky.pro +2
pyttsx3 — для синтеза речи (преобразования текста в аудио). sky.pro +2
datetime — для работы с временем (например, для приветствия в зависимости от времени суток). pythonist.ru +2
os, webbrowser — для выполнения команд (открытие сайтов, управление системой). pythonist.ru +1

Установите их с помощью pip:

pip install SpeechRecognition pyttsx3

Для более продвинутых функций могут понадобиться дополнительные библиотеки, например:

Vosk — для оффлайн-распознавания речи. proglib.io +1
Silero — для синтеза речи.
Wikipedia — для поиска информации в Википедии.
pyjokes — для генерации шуток. geeksforgeeks.org +1

Инициализация синтеза речи

С помощью pyttsx3 можно настроить голос ассистента:

import pyttsx3

engine = pyttsx3.init()
voices = engine.getProperty('voices')
engine.setProperty('voice', voices.id)  # 0 — мужской голос, 1 — женский [1](https://sky.pro/wiki/python/razrabotka-chat-bota-i-golosovogo-pomoshnika-na-python/)[6](https://pythonist.ru/golosovoj-pomoshhnik-na-python/)

def speak(text):
    engine.say(text)
    engine.runAndWait()

Распознавание речи

Для захвата аудио с микрофона и его преобразования в текст используйте SpeechRecognition:

import speech_recognition as sr

def take_command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("Listening...")
        r.pause_threshold = 1
        audio = r.listen(source)
    try:
        print("Recognizing...")
        query = r.recognize_google(audio, language='ru-RU')
        print(f"User said: {query}\n")
    except Exception as e:
        print("Say that again please...")
        return "None"
    return query

Основной цикл работы

Ассистент будет работать в бесконечном цикле, ожидая команд:

def main():
    speak("Голосовой помощник запущен. Чем могу помочь?")
    while True:
        command = take_command()
        if "выход" in command:
            speak("До свидания!")
            break
        elif "время" in command:
            current_time = datetime.datetime.now().strftime("%H:%M:%S")
            speak(f"Текущее время: {current_time}")
        elif "привет" in command:
            speak("Здравствуйте!")
        else:
            speak("Не понял команду. Повторите, пожалуйста.")

if __name__ == "__main__":
    main()

Дополнительные функции

Можно расширить возможности ассистента, добавив:

Поиск в Википедии: используйте библиотеку wikipedia для получения информации.
Открытие сайтов: с помощью webbrowser можно открывать YouTube, Google и другие ресурсы.
Управление системой: с помощью os можно выполнять команды вроде выключения компьютера.
Интеграцию с NLP-моделями: для более сложного понимания намерений пользователя можно использовать scikit-learn, Rasa или Dialogflow.

Фреймворки

Для упрощения разработки можно использовать готовые фреймворки, например S.T.A.R.K.. Он поддерживает асинхронные команды, распознавание контекста и интеграцию с языковыми моделями (ChatGPT и др.). Требует Python 3.10 или выше.

Миру Мир!

Как создать голосового помощника на python

Необходимые компоненты

Установка зависимостей

Распознавание речи

Синтез речи

Обработка команд

Основной цикл работы ассистента

Дополнительные возможности

Рекомендации

Необходимые библиотеки

Инициализация синтеза речи

Распознавание речи

Основной цикл работы

Дополнительные функции

Фреймворки

Рекомендации