[经验]

【BeagleBone Black试用体验】语音控制GPIO

2017-7-19 11:20:19

4656 语音 BBB

前言
随着人工智能概念的火热，很多IT公司都重金投入，布局人工智能，并陆续推出很多优秀的产品，比如微软小冰，苹果siri，亚马逊的AmazonEcho，科大讯飞的输入法，百度云系列产品等等，当然我们也能乘着这股东风，利用这些大公司提供的开发平台来玩玩语音识别。当然这里也试试水，用语音来控制一个GPIO
摘要
文章简要地介绍了如何用语音去控制GPIO/点灯

正文
语音控制GPIO主要分两部分，一个是语音输入，然后调用api转成文本，然后就正则去匹配，再控制GPIO

语言平台
采用网红开源语言python。Python语言开发软件效率高，可移植性强，有丰富的标准库和第三方库，代码易维护。python的执行速度相对较慢，但树莓派运算速度足够快，pyhon执行速度慢的缺点在本项目中可以忽略

语音输入

要实现让计算机听懂声音，将语音中包含的文字信息提取出来，需要用到ASR技术，即语音识别。

语音识别技术一般架构如下图，主要分编码，训练和解码。如下编码，通过傅里叶变换，MFCC等把语音变成语音向量。训练，即通过机器学习等方式，建立语言向量模型，解码，即把训练好的模型组合起来。简答地说就是语音通过算法转化为语音向量，然后再根据一定算法在语音向量库找出相应语音模型，然后将该语音模型重新转化为文本。这里常用到的开源工具有HTK Speech Recognition Toolkit，Kaldi ASR以及Tensorflow。

显然，语音识别技术是一项难度巨大的技术，但是很多互联网巨头已经帮我们完成了这一步，我们只需要调用相应API即可。提供ASR技术的有谷歌，Nuance公司，百度语音和科大讯飞等。我在这里用的是百度api，具体的使用方式为先通过ardcord工具将语音录制下来，保存为wav格式的音频文件，然后调用百度的REST API，流程基本为获取token，把wav文件，语音数据，token等发送给百度语音，处理返回的JSON数据。