ROS學習--語音合成&語音識別

版權聲明：本文爲博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/roboyun/article/details/51726300

說明

前一篇的語義理解主要是跑通ROS Node的一個流程，下面開發的語音Node略有點實際意義，其中構建node的過程，如同語義理解Node，略有不同。

整理的代碼放在github上，語音合成https://github.com/roboyun/ros_tts，語音識別https://github.com/roboyun/ros_asr

準備

在開始之前，先做一些準備工作，就是播放音頻和錄音相關的代碼。因爲樹莓派本身沒有錄音的接口，所以需要外接一個usb聲卡。音頻輸出暫時直接用樹莓派上面的耳機接口。

測試播放mp3

首先用mplayer播放一下mp3，一般是可以聽見的。

當然可以直接在python中調用mplayer區播放mp3，

import os
os.system('mplayer out.mp3')

或者

import subprocess
subprocess.call('mplayer out.mp3',shell=True)

或者

subprocess.Popen(['mplayer','out.mp3'])

測試錄音

錄音可以用arecord

$ sudo apt-get install alsa-utils

這個工具包包含

alsactl, aconnect, alsamixer, amidi, amixer, aplay, aplaymidi, arecord, arecordmidi,
aseqnet, iecset, speaker-test

我們只使用其中的arecord

$ arecord -D 'plughw:1,0' -d 10 test.wav

-D表示設備，外接的usb錄音設備，如果不是在樹莓派上測試，這個會不一樣

-d 10 表示錄製10秒鐘的時間

-t 表示type，可以加參數-t wav也可以不加

最後是文件名。
錄完之後可以用aplay或者mplayer播放，有一個問題是當錄音距離比較遠的時候，聲音很小。alsamixer有一個在命令行之下的圖形界面，可以對不同的聲卡調節音量，我實驗了下錄音mac的音量，並沒有改變。

實驗完成以後寫兩個服務很簡單，代碼放在上面給出的github地址，這裏就不貼了。

TODO

語音識別這個node還是有很多工作需要做的，比如應該將模塊改爲publisher/subscriber模式，在運行過程中一直保持着語音監聽，還有就是語音識別中通常需要的端點檢測，流失識別等。