python語音合成

① 有什麼軟體可以那樣。就是你輸入文字，然後它用機器人的聲音幫你讀出來。跪求。

訊飛快讀軟體可以實現， 方法如下：

1、首先，在瀏覽器的搜索框中輸入「訊飛快讀」，然後單擊第一個web鏈接，如下圖所示，然後進入下一步。

② 學習人工智慧主要學習哪些課程

人工智慧專業學習的主要課程有認知心理學、神經科學基礎、人類的記憶與學習、語言與思維、計算神經工程等。人工智慧專業是中國高校人才計劃設立的專業，旨在培養中國人工智慧產業的應用型人才，推動人工智慧一級學科建設。

專業介紹

人工智慧專業是中國高校人才計劃設立的專業，旨在培養中國人工智慧產業的應用型人才，推動人工智慧一級學科建設。2018年4月，教育部在研究制定《高等學校引領人工智慧創新行動計劃》，並研究設立人工智慧專業，進一步完善中國高校人工智慧學科體系。2020年3月3日，教育部公布2019年度普通高等學校本科專業備案和審批結果，「人工智慧」專業成為熱門專業。



二、培養目標

以培養掌握人工智慧理論與工程技術的專門人才為目標，學習機器學習的理論和方法、深度學習框架、工具與實踐平台、自然語言處理技術、語音處理與識別技術、視覺智能處理技術、國際人工智慧專業領域最前沿的理論方法，培養人工智慧專業技能和素養，構建解決科研和實際工程問題的專業思維、專業方法和專業嗅覺。



三、開設院校

北京科技大學、北京交通大學、北京航空航天大學、北京理工大學、華北電力大學、中國人民大學、北京化工大學、北京郵電大學、中國農業大學、北京師范大學、中國傳媒大學、中國石油大學（北京）、北京建築大學、首都師范大學、北京信息科技大學、天津大學、南開大學、天津科技大學、天津工業大學、吉林大學、長春師范大學、吉林工程技術師范大學、上海交通大學、同濟大學、復旦大學、上海理工大學、南京大學、東南大學、南京農業大學、浙江大學、溫州大學、浙江科技學院、安徽工程大學、安徽大學、安徽工業大學、安徽理工大學、山東大學、青島科技大學、湖南工程學院、長沙理工大學、武漢理工大學、武漢大學、華中科技大學、四川大學、電子科技大學、西安交通大學、西安電子科技大學等等。

③ python能寫微軟小冰么

聊天機器人已經有了很多很好的實現，比如圖靈機器人、微軟小冰都非常的智能而且語氣都與人類相似。但這並不是一件一勞永逸的事情，在特定的場景下問題的回答是有邊界的或者符合特定業務場景的，所以還是需要可以按需定製開發的機器人。

chatterBot項目是一個用Python實現聊天機器人的開源項目（作者：Gunther Cox，github地址），下面介紹下chatterBot的實現方式以及如何在這個項目的基礎上做定製開發：
chatterBot將一個機器人分為input Adapter、logic Adapter、storage Adapter、output Adapter以及Trainer模塊。
input Adapter: 這個模塊被設計用來獲取並處理用戶輸入，獲取輸入是指自動從外部獲取輸入，比如從gitter room, twitter等這些都是項目自帶的輸入插件。處理用戶輸入是把獲取到的輸入轉化為可以進行下一步處理的Statement對象。Statement對象是對用戶輸入的抽象，包含了輸入的text，附加信息並提供了序列化，對比等方法。input Adapter被設計成為插件式的，所以在實踐當中，我們可以實現自己的input Adapter，比如為每個用戶打上id，這樣輸入就包含了用戶信息，在接下來的處理中就可以根據不同用戶實現不同邏輯了。

logic Adapter: 完成輸入處理後就到了邏輯處理，這依然是一個插件式的設計，主進程在啟動時會將用戶定義的所有邏輯處理插件添加到logic context中，然後交MultiLogicAdapter進行處理，MultiLogicAdapter會依次調用每個logic Adapter，logic Adapter被調用時先執行can_process方式判斷輸入是否可以命中這個邏輯處理插件。比如說 "今天天氣怎麼樣"顯然需要命中天氣邏輯處理插件，但時間邏輯處理插件的can_process方法則應該返回False。在命中後logic Adapter要負責計算出對應的回答（也是包裝成Statement對象）以及可信度（confidence），MultiLogicAdapter會取可信度最高的回答，並進入下一步。項目已經自帶了很多logic Adapter，有close match、close meaning、時間邏輯、數學邏輯，甚至還有情感邏輯，大家可以自己探索。在實踐當中，我們還是需要自己定製開發一些邏輯處理插件，如果我們希望自己的邏輯處理插件優先順序始終高於自帶的插件，可以提高confidence，自帶的邏輯處理插件返回的confidence最大是1，只要confidence比1大就是最高優先順序了。
storage Adapter: 剛才介紹logic Adapter時其實還有一點沒有說明，就是大部分的邏輯處理還是基於訓練集的，在處理時需要與訓練集做匹配，所以這個項目將訓練集的持久化也做成了插件式的，自帶的持久化有文件型（json格式）、mongodb，我們也可以做自己的持久化層，比如支持redis，支持mysql。

output Adapter: 這個模塊就不用詳細介紹了，基本與input Adapter一致，只是這里處理的是輸出。也是插件式設計，所以我們也可以定製開發，比如與騰訊等語音合成服務提供商的介面集成，我們的機器人就可以"開口說話了"。
Trainer: 這個模塊提供訓練機器人的方法，自帶的方法有兩種，一種是通過輸入list來訓練，比如["你好"，"你好啊"]，後者是前者的回答，另一種是通過導入Corpus格式的文件來訓練。如果這兩種方法都沒有辦法滿足的話，我們還可以寫自己的訓練模塊，但總的來說還是要將最終的訓練集轉換成上述兩種類型。

總結: chatterBot這個項目並不是一個非常完善的聊天機器人項目（如果你希望一安裝就獲得一個話嘮一樣的機器人那就可以放棄了），總的來說自帶的功能有限，但是這個項目並不簡單，因為項目本身結構非常清晰，又高度插件化，所以非常適合在此基礎上做定製化開發，so 動手吧。

④ 如何優雅的用Python玩轉語音聊天機器人

所需硬體：
樹莓派B+
人體紅外線感應模塊
內置麥克風攝像頭(實測樹莓派免驅淘寶鏈接）
申請API：
網路語音api
圖靈api
語音聊天機器人實現原理：當有人來到跟前時--》觸發聊天功能，開始以每2s檢測錄制語音--》通過網路語音api合成文字--》傳遞給圖靈api返回回答信息--》通過網路語音合成播放
【人體感應識別部分Python代碼renti.py】


#/usr/bin/python#coding:utf-8import RPi.GPIO as GPIOimport timeimport osimport signalimport atexitGPIO.setmode(GPIO.BCM) GPIO_PIR = 14 GPIO.setup(GPIO_PIR,GPIO.IN) # Echojing = 0dong = 0 sum = 0sum1 = 0oldren = 0sleep = 0def ganying(): i = 0 ok = 0 error = 0 while i < 10: if GPIO.input(GPIO_PIR) == 1 : ok = ok + 1 if GPIO.input(GPIO_PIR) == 0 : error = error + 1 time.sleep(0.01) i = i + 1 ren = ok/(error+1) return ren

1

GPIO_PIR = 14

為 紅外線檢測模塊與樹莓派的針腳，腳本函數返回0表示無人，>0 為有人
【Python語音識別聊天部分robot.py】


#/usr/bin/python# -*- coding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding( "utf-8" )import urllibimport urllib2import jsonimport uuidimport base64import osimport timefrom renti import * #獲取網路tokenappid=7647466apikey="網路API"secretkey="網路API" _url="h.com/oauth/2.0/token?grant_type=client_credentials&client_id=" + apikey + "&client_secret=" + secretkey; y_post=urllib2.urlopen(_url)y_read=y_post.read()y_token=json.loads(y_read)['access_token']#print y_read#print y_token #------------------function------------- def luyin(): os.system('arecord -D plughw:1,0 -c 1 -d 2 1.wav -r 8000 -f S16_LE 2>/dev/null') def fanyi():
#---------------語音識別部分 mac_address="haogeoyes" with open("1.wav",'rb') as f: s_file = f.read() speech_base64=base64.b64encode(s_file).decode('utf-8') speech_length=len(s_file) data_dict = {'format':'wav', 'rate':8000, 'channel':1, 'cuid':mac_address, 'token':y_token, 'lan':'zh', 'speech':speech_base64, 'len':speech_length} json_data = json.mps(data_dict).encode('utf-8') json_length = len(json_data) asr_server = 'm/server_api' request = urllib2.Request(url=asr_server) request.add_header("Content-Type", "application/json") request.add_header("Content-Length", json_length) fs = urllib2.urlopen(url=request, data=json_data) result_str = fs.read().decode('utf-8') json_resp = json.loads(result_str) if json_resp.has_key('result'): out_txt=json_resp['result'][0] else: out_txt="Null" return out_txt def tuling(b): f=urllib.urlopen("23.com/openapi/api?key="此處為圖靈API"&info=%s" % b) f=json.loads(f.read())['text'] return f def hecheng(text,y_token): #text="你好我是機器人牛牛很高興能夠認識你" geturl="u.com/text2audio?tex="+text+"&lan=zh&per=1&pit=9&spd=6&cuid=CCyo6UGf16ggKZGwGpQYL9Gx&ctp=1&tok="+y_token return os.system('omxplayer "%s" > /dev/null 2>&1 '%(geturl)) #return os.system('omxplayer "%s" > /dev/null 2>&1 '%(geturl)) def nowtime(): return time.strftime('%Y-%m-%d %H:%M:%S ') #---------------main-----------------num=0 #num用來判斷是第一次說話，還是在對話過程中first=1 #判斷是不是第一說話 當1000次沒有人動認為是第一次while True: if ganying()!=0: run=open('run.log','a') if first==0: hecheng("你好,我是牛牛機器人,你可以和我聊天,不過說話的時候你必須靠近話筒近一點,",y_token) hecheng("說點什麼吧,2秒鍾內說完哦.",y_token) first=1 #為1一段時間就不執行 num=0 #從新計數 #print ganying() run.write(nowtime()+"說點神馬吧..........."+'\n') print nowtime()+"說點神馬吧.........." luyin() #開始錄音 out=fanyi().encode("utf-8") #翻譯文字 run.write(nowtime()+"我說:"+out+'\n') print nowtime()+"我說:"+out if out == "Null": text="沒有聽清楚你說什麼" os.system('omxplayer "shenme.wav" > /dev/null 2>&1 ') else: text=tuling(out) hecheng(text,y_token) print nowtime()+"牛牛:"+text run.write(nowtime()+"牛牛:"+text+'\n') run.close() else: #print ganying() #調試查看是否為0有人沒人 #print num num=num+1 #num長時間增大說明沒有人在旁邊 if num > 1000: first=0 #0表示第一次說話

萬事俱備 運行nohup python robot.py 哈哈就可以脫離屏幕開始愉快的語音聊天啦
下面看看聊天的日誌記錄吧
後續更新。。。。。。Python如何用語音優雅的控制小車

⑤ Python開發web有哪些優勢

Python開發web有哪些優勢

1、易於使用和閱讀

有幾個因素可以簡化Python在Web開發中的使用：

低入門門檻 Python與我們日常生活中使用的英語相似。語法的簡單性使您可以處理復雜的系統，並確保所有元素之間都具有明確的關系。因此，更多的新手程序員可以學習該語言並更快地加入編程社區。

良好的可視化 效果通過使用不同的圖和圖表，可以以易於理解的格式表示數據。它們是可視化呈現和理解數據的有效方法。Web開發公司利用Python庫（例如Matplotlib）來可視化數據並創建清晰且易於理解的報告。

Python非常易於閱讀，因此開發人員通常在理解由其他程序員編寫的代碼時不會遇到任何問題。這可以促使從事同一項目的開發人員之間的通信效率更高。

推薦學習《Python教程》。

2、非同步編碼

由於沒有死鎖或研究爭執或任何其他令人困惑的問題，因此使用Python 編寫和維護非同步代碼無需花費太多精力。此類代碼的每個單元分別運行，從而使您能夠更快地處理各種情況和問題。

3、較少限制的編程方法

與其他編碼語言（例如java）相比，Python具有較少限制的編程方法。它具有多種範例，可以支持多種編程風格，包括過程性，面向對象和功能性（命令性）。這使Python成為初創公司的絕佳語言，因為項目可能需要隨時更改方法。

4、企業應用集成

Python是企業軟體應用程序的流行選擇，這在很大程度上要歸功於Python與傳統上用於企業開發的其他語言（例如Java，PHP和.NET）的流暢集成。

Python直接與Java，C ++或C代碼進行調用，從而可以對大多數常用協議和數據格式進行大量的過程式控制制和實現。

除此之外，它還可以用於組裝基礎結構的新舊片段，這是復雜移動應用程序中的典型情況。

5、可以使用Python框架快速進行Web開發

Python的另一個優點是它具有許多簡化開發過程的框架。根據您的工作，可能需要不同的框架。

下面是4個著名的框架：

Django：此框架非常適合成熟的Web應用程序和中檔可擴展項目。它具有內置功能，並允許重復使用代碼，對代碼的不同組成部分進行一致的修改以及其他簡化Web開發的功能。Django可與Oracle SQL，PostgreSQL，MySQL和其他知名資料庫完美配合。

Pyramid：使用此框架，您可以從小規模開始，並根據需要擴展規模。金字塔可以與各種資料庫和應用程序一起使用，也可以與插件一起擴展-開發人員可以添加所需的任何功能。當您需要在一項任務中實施各種解決方案時，這很方便。

TurboGears：TurboGears由Repoze，WebOb和Genshi等幾個組件組成，並且基於MVC架構。這對於快速，高效的Web應用程序開發很有用，而且更易於維護。使用此框架，您可以分別使用最小或完整堆棧模式編寫小型或復雜的應用程序。

Flask：該框架的理念是提供一個易於管理的，易於定製的解決方案。Flask將自己定義為一個微框架，最常用於主要優先考慮精益功能的小型解決方案。該框架還用於創建原型。

6、科學計算庫方便

有各種各樣的軟體包和庫可用於開發科學和數字應用程序，以及工具包（例如VTK 3D和MayaVi），單獨的成像庫以及許多其他工具。最常用的是：

5個常見的科學計算庫：

SciPy（科學數字圖書館）；

Pandas（數據分析庫）；

IPython（命令外殼）；

NumPy（基本數值軟體包）;

Natural Language Toolkit（Library For Mathematical And Text Analysis ： 用於數學和文本分析的庫）。

7、用於機器學習和AI

機器學習（ML）和人工智慧（AI）技術越來越受到關注，因此越來越多的開發人員正在嘗試將它們納入各種項目中。如果使用正確的語言，這是可能的。

根據讓·弗朗索瓦·普吉，IBM的機器學習部門的代表，Python是ML和AI項目的頂尖語言，許多開發商同意。Python具有高效的ML軟體包，用於可視化結果的工具，並且遠遠超出了數據分析和其他使該應用程序領域受益的功能。

Python確實是機器學習和人工智慧最火熱的語言，沒有之一。

最典型的用語在線語音合成，在線語音識別，如果你的項目是建立一個人工智慧的web應用，那麼Python再適合不過了。

8、作為應用程序腳本

由於Python與C，C ++和Java的強大集成，Python可以很方便地用於應用程序腳本編寫。從一開始就被設計為可嵌入的，它對於自定義大型應用程序並為其進行擴展非常有用。

不敢說Python可以代替Lua，不過Python可以和Lua那樣被嵌入C/C++中。

9、軟體測試

Python用於測試自動化。許多QA自動化專家選擇Python是因為它具有簡單的學習曲線-對於技術背景較為有限的人（強大的社區，清晰的語法和可讀性）也非常有用。Python甚至有一個易於使用的單元測試框架（例如，您可以使用它對移動應用程序執行地理位置測試）。

M年前我在一家路由生產商上班，那時候我看到測試部門用Tcl腳本去測試路由器埠，我當時就覺得很詫異，畢竟Tcl腳本的語法真的很怪異，相比這點，Python的語法真的干凈簡潔。

10、在原型製作中使用

用Python創建原型已被證明是一個快速而簡單的過程。編程語言的敏捷性使代碼重構變得容易，並且可以將初始原型快速開發為最終產品。

11、開源

Python具有開放源代碼許可證，該許可證使用戶可以輕松訪問它，並有助於重新分發和無限制的修改。開發人員可以自由使用該語言並為它的改進做出貢獻。

12、伺服器端腳本

如上所述，使用Python進行伺服器端腳本編寫的優點之一是其簡單的語法，從而大大加快了處理速度。該代碼由功能模塊及其之間的連接組成，可讓您根據用戶操作執行程序演算法。Python還支持Web開發中所需的圖形用戶界面。

13、便攜性和交互性

Python具有動態語義和快速原型製作的出色功能，這要歸功於它的交互性和可移植性。它可以輕松地嵌入各種應用程序中，甚至是使用不同編碼語言的應用程序。因此，您可以輕松修復新模塊並擴展Python的核心詞彙。它可以連接各種組件。難怪它有時被稱為「膠水語言」。

⑥ 如何用python調用百度語音識別

#!/usr/bin/env python
# -*- coding: utf-8 -*-
########################################################################
#
# Copyright (c) 2017 aibot.me, Inc. All Rights Reserved
#
########################################################################

"""
File: util_voice.py
Author: darrenwang([email protected])
Date: 2017/03/24 11:29:50
Brief:
"""

import sys
import json
import time
import base64
import urllib
import urllib2
import requests

class BaiRest:
def __init__(self, cu_id, api_key, api_secert):
self.token_url = "https://openapi..com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
self.getvoice_url = "http://tsn..com/text2audio?tex=%s&lan=zh&cuid=%s&ctp=1&tok=%s"
self.upvoice_url = 'http://vop..com/server_api'

self.cu_id = cu_id
self.get_token(api_key, api_secert)
return

def get_token(self, api_key, api_secert):
token_url = self.token_url % (api_key,api_secert)
r_str = urllib2.urlopen(token_url).read()
token_data = json.loads(r_str)
self.token_str = token_data['access_token']
return True

#語音合成
def text2audio(self, text, filename):
get_url = self.getvoice_url % (urllib2.quote(text), self.cu_id, self.token_str)
voice_data = urllib2.urlopen(get_url).read()
voice_fp = open(filename,'wb+')
voice_fp.write(voice_data)
voice_fp.close()
return True

##語音識別
def audio2text(self, filename):
data = {}
data['format'] = 'wav'
data['rate'] = 8000
data['channel'] = 1
data['cuid'] = self.cu_id
data['token'] = self.token_str

wav_fp = open(filename,'rb')
voice_data = wav_fp.read()
data['len'] = len(voice_data)
#data['speech'] = base64.b64encode(voice_data).decode('utf-8')
data['speech'] = base64.b64encode(voice_data).replace('\n', '')
#post_data = json.mps(data)
result = requests.post(self.upvoice_url, json=data, headers={'Content-Type': 'application/json'})
data_result = result.json()
print data_result
return data_result['result'][0]

def test_voice():
api_key = "SrhYKqzl3SE1URnAEuZ0FKdT"
api_secert = ""
bdr = BaiRest("test_python", api_key, api_secert)

#生成
start = time.time()
bdr.text2audio("你好啊", "out.wav")
using = time.time() - start
print using

#識別
start = time.time()
#result = bdr.audio2text("test.wav")
#result = bdr.audio2text("weather.pcm")
using = time.time() - start
print using, result

return True

if __name__ == "__main__":
test_voice()

⑦ 如何利用python在pycharm上進行語音合成

pycharm 通過 Sftp 遠程編輯項目的配置

{這個相當於代碼同步，類似git上傳，同步後你可以在伺服器上直接運行上傳的代碼；這個配置好後，才能在pycharm遠程調試時候將代碼上傳到伺服器正確位置/正確路徑上}

打開pycharm，File -> Settings…( Ctrl + Alt + s ) -> Deployment
點擊 + 按鈕，添加一個

如果你發現你的運行配置中沒有 Django 相關的項，請在項目設置的 Django 中勾選 Enable Django Support。

運行配置的設置有兩點需要注意。Python Interpreter 需要選中之前建立的遠程解釋器。Path mappings 處，需要把本機的 manage.py 與 Linux 上的關聯起來，比如：

C:/Evolution/Python/django_website/manage.py <=> /home/onlyice/work/django_website/manage.py

這可能是 PyCharm 的 bug：在使用遠程解釋器後，PyCharm 並不會自動將 Django 運行配置中的 manage.py 文件定位到 Linux 上的那份，而是會嘗試使用下面的命令來啟動 Django 調試 Server:

/usr/bin/python2 manage.py C:/Evolution/Python/django_website/manage.py

自然就找不到文件了。所以使用了 Path mappings 作為一種 hack 手段來解決。
這時就可以打斷點調試啦

Trouble Shooting

Q: 點擊調試運行失敗，顯示 「Cant set remote tunneling」

A: 調試時 PyCharm 調用將 Python Debug Server (pydevd.py) 綁定在一個隨機埠上，再使用 SSH 的埠轉發將數據通過 SSH 埠轉到 Debug Server 去。需要檢查你的 sshd 配置 (默認是 /etc/ssh/sshd_config) 是否禁用了 TCP 轉發 (AllowTcpFowarding)，這個配置默認是打開的。

皮皮blog

出錯問題

pycharm channel is not opened

pycharm不能同步deployment中設置的文件內容了，在remote host窗口中打開文件提示the file is identical to local但實際上完全不同，上傳多次才能成功，或者乾脆就提示channel is not opened。應該和sftp有關。

目前還沒找到具體原因，可能是伺服器問題，過會就自己好了。

也可能是pycharm的問題，或者系統的問題？希望解決的可以留言告知一下，謝謝！

[Can't Download From Remote Server via SFTP – JetBrains IntelliJ]

pandas出錯

pycharm console import pandas Backend Qt4Agg is interactive backend. Turning interactive mode on. : cannot connect to X server
import pandas : cannot connect to X server

重啟pycharm，或者也不知道怎麼了就好了，不報錯了。。。

運行出錯

ssh://[email protected]:22/home/piting/ENV/anaconda3/bin/python3 -u /home/piting/mine/python_workspace/Oth/Competition/TianChi/Regression.py
/home/piting/ENV/anaconda3/bin/python3: can't open file '/home/piting/mine/python_workspace/Oth/Competition/TianChi/Regression.py': [Errno 2] No such file or directory

點出remote host標簽，發現沒有這個目錄，目錄下也沒有這個文件

解決：

mkdir -p 代碼目錄

再在remote host中右鍵 》 upload here

ref: [PyCharmRemote Debugging指南]

[pycharm奇淫技巧]*

[使用Pycharm進行Python遠程開發]

[Deployment in PyCharm]

⑧ python百度雲AI語音合成參數怎麼改

參數說明

per：發音人選擇, 0為普通女聲，1為普通男生，3為情感合成-度逍遙，4為情感合成-度丫丫，默認為普通女聲

spd：語速，取值0-15，默認為5中語速

pit：音調，取值0-15，默認為5中語調

vol：音量，取值0-15，默認為5中音量

⑨ 北京市哪個出國留學類學校開設了人工智慧課

佳蓮學校為了拓寬學生視野，讓學生在申請心儀大學的offer時多一份保證，開設了人工智慧課作為特色課程，人工智慧課由馬忠貴教授任教，主要教授內容包括Python程序設計基礎、搜索、文本識別、語音識別、語音合成、圖像識別、專家系統、自然語言處理等。

⑩ 如何自學人工智慧

建議還是報個培訓班吧，這樣學習效率比較高，這是人工智慧的的全部課程，要是感興趣的話可以了解一下：
第一階段
前端開發 Front-end Development
1、桌面支持與系統管理（計算機操作基礎Windows7）
2、Office辦公自動化
3、WEB前端設計與布局
4、javaScript特效編程
5、Jquery應用開發

第二階段
核心編程 Core Programming
1、Python核心編程
2、MySQL數據開發
3、Django 框架開發
4、Flask web框架
5、綜合項目應用開發

第三階段
爬蟲開發 Reptile Development
1、網路爬蟲開發
2、爬蟲項目實踐應用
3、機器學習演算法
4、Python人工智慧數據分析
5、python人工智慧高級開發

第四階段
人工智慧 PArtificial Intelligence
1、實訓一：WEB全棧開發
2、實訓二：人工智慧終極項目實戰