AI语音小助手
介绍
调用通义，百度的API
语音录制与识别：使用PyAudio库录制用户语音，以WAV格式保存至speech.wav文件。随后通过百度语音识别API（AipSpeech）将语音转为文本，支持多种语言（普通话、英文、粤语、四川话）。
软件架构
软件架构说明
该软件采用客户端-服务器架构，具体为客户端负责语音采集、处理与播放，服务器端负责语音识别与文本生成。以下是详细的架构说明：
客户端：
语音录制：客户端通过PyAudio库实现麦克风音频流的实时采集。设置采样率、声道数、采样宽度等参数，持续一定时间（此处为4秒）记录音频数据。
语音文件保存：采集到的音频数据以WAV格式保存至本地文件speech.wav，便于后续传输至服务器进行识别。
语音识别结果处理：客户端接收服务器返回的语音识别结果，将其封装为消息对象（包含角色标识与内容），并传递给call_with_messages函数以生成AI助手的文本回复。
语音播报：使用pygame.mixer库加载并播放由百度语音合成API生成的音频文件（用户语音识别结果和AI助手的回答）。播放完毕后，清理资源并删除临时音频文件。
循环交互：客户端通过while循环等待用户输入，决定是否继续下一轮语音交互。
服务器端：
语音识别：客户端将保存的speech.wav文件上传至百度语音识别服务（通过AipSpeech库接口），指定识别语言参数。服务器返回识别结果，客户端解析并提取文本内容。
文本生成：客户端将用户语音识别结果封装为消息对象，调用dashscope库接口与Qwen Turbo模型交互。模型生成的AI助手回复作为call_with_messages函数的输出。
语音合成：客户端将用户语音识别结果和AI助手的文本回复分别发送至百度语音合成服务，生成对应的MP3格式语音文件。这些文件随后被客户端下载并播放。
通信方式：
客户端与百度服务器：采用HTTP/HTTPS协议进行网络通信，客户端向百度语音识别与语音合成API发送POST请求（携带音频数据或文本信息），接收并解析JSON格式的响应结果。
客户端内部：通过函数调用与数据结构传递（如列表、字典）实现各模块之间的通信。
数据流：
用户语音 → 客户端录制 → WAV文件保存 → 上传至百度语音识别服务 → 文本结果返回客户端。
文本结果 → 包装为消息对象 → 传递给call_with_messages函数 → AI助手回复生成。
用户语音识别结果与AI助手回复 → 分别发送至百度语音合成服务 → MP3文件生成并返回客户端。
MP3文件 → 客户端加载并播放 → 播放完毕后删除临时文件。
总结来说，该软件架构清晰，职责分明，客户端负责用户交互与音频处理，服务器端承担语音识别与文本生成任务，二者通过标准化网络接口高效协作，共同实现多语言语音对话系统功能。
安装教程
放入pycharm运行，依次下载所需软件包
然后，填入自己的通义，百度api。
特技
语音录制与识别：使用PyAudio库录制用户语音，以WAV格式保存至speech.wav文件。随后通过百度语音识别API（AipSpeech）将语音转为文本，支持多种语言（普通话、英文、粤语、四川话）。用户通过输入数字选择识别语言。
AI对话生成：利用dashscope库调用Qwen Turbo模型，根据用户语音识别结果生成AI助手的文本回复。回复内容通过call_with_messages函数获取，该函数处理Dashscope API响应，确保输出小助手的回答。
语音播报：使用百度语音合成API（baidu_text_to_speech函数）将用户语音识别结果和AI助手的回答分别转化为语音。生成的音频文件以MP3格式存储并使用pygame.mixer播放。播放完毕后，临时音频文件立即被删除。
循环交互：程序以循环方式运行，用户输入y时继续下一轮交互。每轮交互包括用户语音录制、识别、AI对话生成及双端语音播报。
下载
我的Gitee地址：https://gitee.com/wqqqqqqqqqqqqqqqqq/tongyi-ai-voice-assistant
git@gitee.com:wqqqqqqqqqqqqqqqqq/tongyi-ai-voice-assistant.git