python语音合成

① 有什么软件可以那样。就是你输入文字，然后它用机器人的声音帮你读出来。跪求。

讯飞快读软件可以实现， 方法如下：

1、首先，在浏览器的搜索框中输入“讯飞快读”，然后单击第一个web链接，如下图所示，然后进入下一步。

② 学习人工智能主要学习哪些课程

人工智能专业学习的主要课程有认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等。人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。

专业介绍

人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，教育部在研究制定《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，进一步完善中国高校人工智能学科体系。2020年3月3日，教育部公布2019年度普通高等学校本科专业备案和审批结果，“人工智能”专业成为热门专业。



二、培养目标

以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。



三、开设院校

北京科技大学、北京交通大学、北京航空航天大学、北京理工大学、华北电力大学、中国人民大学、北京化工大学、北京邮电大学、中国农业大学、北京师范大学、中国传媒大学、中国石油大学（北京）、北京建筑大学、首都师范大学、北京信息科技大学、天津大学、南开大学、天津科技大学、天津工业大学、吉林大学、长春师范大学、吉林工程技术师范大学、上海交通大学、同济大学、复旦大学、上海理工大学、南京大学、东南大学、南京农业大学、浙江大学、温州大学、浙江科技学院、安徽工程大学、安徽大学、安徽工业大学、安徽理工大学、山东大学、青岛科技大学、湖南工程学院、长沙理工大学、武汉理工大学、武汉大学、华中科技大学、四川大学、电子科技大学、西安交通大学、西安电子科技大学等等。

③ python能写微软小冰么

聊天机器人已经有了很多很好的实现，比如图灵机器人、微软小冰都非常的智能而且语气都与人类相似。但这并不是一件一劳永逸的事情，在特定的场景下问题的回答是有边界的或者符合特定业务场景的，所以还是需要可以按需定制开发的机器人。

chatterBot项目是一个用Python实现聊天机器人的开源项目（作者：Gunther Cox，github地址），下面介绍下chatterBot的实现方式以及如何在这个项目的基础上做定制开发：
chatterBot将一个机器人分为input Adapter、logic Adapter、storage Adapter、output Adapter以及Trainer模块。
input Adapter: 这个模块被设计用来获取并处理用户输入，获取输入是指自动从外部获取输入，比如从gitter room, twitter等这些都是项目自带的输入插件。处理用户输入是把获取到的输入转化为可以进行下一步处理的Statement对象。Statement对象是对用户输入的抽象，包含了输入的text，附加信息并提供了序列化，对比等方法。input Adapter被设计成为插件式的，所以在实践当中，我们可以实现自己的input Adapter，比如为每个用户打上id，这样输入就包含了用户信息，在接下来的处理中就可以根据不同用户实现不同逻辑了。

logic Adapter: 完成输入处理后就到了逻辑处理，这依然是一个插件式的设计，主进程在启动时会将用户定义的所有逻辑处理插件添加到logic context中，然后交MultiLogicAdapter进行处理，MultiLogicAdapter会依次调用每个logic Adapter，logic Adapter被调用时先执行can_process方式判断输入是否可以命中这个逻辑处理插件。比如说 "今天天气怎么样"显然需要命中天气逻辑处理插件，但时间逻辑处理插件的can_process方法则应该返回False。在命中后logic Adapter要负责计算出对应的回答（也是包装成Statement对象）以及可信度（confidence），MultiLogicAdapter会取可信度最高的回答，并进入下一步。项目已经自带了很多logic Adapter，有close match、close meaning、时间逻辑、数学逻辑，甚至还有情感逻辑，大家可以自己探索。在实践当中，我们还是需要自己定制开发一些逻辑处理插件，如果我们希望自己的逻辑处理插件优先级始终高于自带的插件，可以提高confidence，自带的逻辑处理插件返回的confidence最大是1，只要confidence比1大就是最高优先级了。
storage Adapter: 刚才介绍logic Adapter时其实还有一点没有说明，就是大部分的逻辑处理还是基于训练集的，在处理时需要与训练集做匹配，所以这个项目将训练集的持久化也做成了插件式的，自带的持久化有文件型（json格式）、mongodb，我们也可以做自己的持久化层，比如支持redis，支持mysql。

output Adapter: 这个模块就不用详细介绍了，基本与input Adapter一致，只是这里处理的是输出。也是插件式设计，所以我们也可以定制开发，比如与腾讯等语音合成服务提供商的接口集成，我们的机器人就可以"开口说话了"。
Trainer: 这个模块提供训练机器人的方法，自带的方法有两种，一种是通过输入list来训练，比如["你好"，"你好啊"]，后者是前者的回答，另一种是通过导入Corpus格式的文件来训练。如果这两种方法都没有办法满足的话，我们还可以写自己的训练模块，但总的来说还是要将最终的训练集转换成上述两种类型。

总结: chatterBot这个项目并不是一个非常完善的聊天机器人项目（如果你希望一安装就获得一个话唠一样的机器人那就可以放弃了），总的来说自带的功能有限，但是这个项目并不简单，因为项目本身结构非常清晰，又高度插件化，所以非常适合在此基础上做定制化开发，so 动手吧。

④ 如何优雅的用Python玩转语音聊天机器人

所需硬件：
树莓派B+
人体红外线感应模块
内置麦克风摄像头(实测树莓派免驱淘宝链接）
申请API：
网络语音api
图灵api
语音聊天机器人实现原理：当有人来到跟前时--》触发聊天功能，开始以每2s检测录制语音--》通过网络语音api合成文字--》传递给图灵api返回回答信息--》通过网络语音合成播放
【人体感应识别部分Python代码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

为 红外线检测模块与树莓派的针脚，脚本函数返回0表示无人，>0 为有人
【Python语音识别聊天部分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 * #获取网络tokenappid=7647466apikey="网络API"secretkey="网络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():
#---------------语音识别部分 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="此处为图灵API"&info=%s" % b) f=json.loads(f.read())['text'] return f def hecheng(text,y_token): #text="你好我是机器人牛牛很高兴能够认识你" 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用来判断是第一次说话，还是在对话过程中first=1 #判断是不是第一说话 当1000次没有人动认为是第一次while True: if ganying()!=0: run=open('run.log','a') if first==0: hecheng("你好,我是牛牛机器人,你可以和我聊天,不过说话的时候你必须靠近话筒近一点,",y_token) hecheng("说点什么吧,2秒钟内说完哦.",y_token) first=1 #为1一段时间就不执行 num=0 #从新计数 #print ganying() run.write(nowtime()+"说点神马吧..........."+'\n') print nowtime()+"说点神马吧.........." luyin() #开始录音 out=fanyi().encode("utf-8") #翻译文字 run.write(nowtime()+"我说:"+out+'\n') print nowtime()+"我说:"+out if out == "Null": text="没有听清楚你说什么" 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() #调试查看是否为0有人没人 #print num num=num+1 #num长时间增大说明没有人在旁边 if num > 1000: first=0 #0表示第一次说话

万事俱备 运行nohup python robot.py 哈哈就可以脱离屏幕开始愉快的语音聊天啦
下面看看聊天的日志记录吧
后续更新。。。。。。Python如何用语音优雅的控制小车

⑤ Python开发web有哪些优势

Python开发web有哪些优势

1、易于使用和阅读

有几个因素可以简化Python在Web开发中的使用：

低入门门槛 Python与我们日常生活中使用的英语相似。语法的简单性使您可以处理复杂的系统，并确保所有元素之间都具有明确的关系。因此，更多的新手程序员可以学习该语言并更快地加入编程社区。

良好的可视化 效果通过使用不同的图和图表，可以以易于理解的格式表示数据。它们是可视化呈现和理解数据的有效方法。Web开发公司利用Python库（例如Matplotlib）来可视化数据并创建清晰且易于理解的报告。

Python非常易于阅读，因此开发人员通常在理解由其他程序员编写的代码时不会遇到任何问题。这可以促使从事同一项目的开发人员之间的通信效率更高。

推荐学习《Python教程》。

2、异步编码

由于没有死锁或研究争执或任何其他令人困惑的问题，因此使用Python 编写和维护异步代码无需花费太多精力。此类代码的每个单元分别运行，从而使您能够更快地处理各种情况和问题。

3、较少限制的编程方法

与其他编码语言（例如java）相比，Python具有较少限制的编程方法。它具有多种范例，可以支持多种编程风格，包括过程性，面向对象和功能性（命令性）。这使Python成为初创公司的绝佳语言，因为项目可能需要随时更改方法。

4、企业应用集成

Python是企业软件应用程序的流行选择，这在很大程度上要归功于Python与传统上用于企业开发的其他语言（例如Java，PHP和.NET）的流畅集成。

Python直接与Java，C ++或C代码进行调用，从而可以对大多数常用协议和数据格式进行大量的过程控制和实现。

除此之外，它还可以用于组装基础结构的新旧片段，这是复杂移动应用程序中的典型情况。

5、可以使用Python框架快速进行Web开发

Python的另一个优点是它具有许多简化开发过程的框架。根据您的工作，可能需要不同的框架。

下面是4个着名的框架：

Django：此框架非常适合成熟的Web应用程序和中档可扩展项目。它具有内置功能，并允许重复使用代码，对代码的不同组成部分进行一致的修改以及其他简化Web开发的功能。Django可与Oracle SQL，PostgreSQL，MySQL和其他知名数据库完美配合。

Pyramid：使用此框架，您可以从小规模开始，并根据需要扩展规模。金字塔可以与各种数据库和应用程序一起使用，也可以与插件一起扩展-开发人员可以添加所需的任何功能。当您需要在一项任务中实施各种解决方案时，这很方便。

TurboGears：TurboGears由Repoze，WebOb和Genshi等几个组件组成，并且基于MVC架构。这对于快速，高效的Web应用程序开发很有用，而且更易于维护。使用此框架，您可以分别使用最小或完整堆栈模式编写小型或复杂的应用程序。

Flask：该框架的理念是提供一个易于管理的，易于定制的解决方案。Flask将自己定义为一个微框架，最常用于主要优先考虑精益功能的小型解决方案。该框架还用于创建原型。

6、科学计算库方便

有各种各样的软件包和库可用于开发科学和数字应用程序，以及工具包（例如VTK 3D和MayaVi），单独的成像库以及许多其他工具。最常用的是：

5个常见的科学计算库：

SciPy（科学数字图书馆）；

Pandas（数据分析库）；

IPython（命令外壳）；

NumPy（基本数值软件包）;

Natural Language Toolkit（Library For Mathematical And Text Analysis ： 用于数学和文本分析的库）。

7、用于机器学习和AI

机器学习（ML）和人工智能（AI）技术越来越受到关注，因此越来越多的开发人员正在尝试将它们纳入各种项目中。如果使用正确的语言，这是可能的。

根据让·弗朗索瓦·普吉，IBM的机器学习部门的代表，Python是ML和AI项目的顶尖语言，许多开发商同意。Python具有高效的ML软件包，用于可视化结果的工具，并且远远超出了数据分析和其他使该应用程序领域受益的功能。

Python确实是机器学习和人工智能最火热的语言，没有之一。

最典型的用语在线语音合成，在线语音识别，如果你的项目是建立一个人工智能的web应用，那么Python再适合不过了。

8、作为应用程序脚本

由于Python与C，C ++和Java的强大集成，Python可以很方便地用于应用程序脚本编写。从一开始就被设计为可嵌入的，它对于自定义大型应用程序并为其进行扩展非常有用。

不敢说Python可以代替Lua，不过Python可以和Lua那样被嵌入C/C++中。

9、软件测试

Python用于测试自动化。许多QA自动化专家选择Python是因为它具有简单的学习曲线-对于技术背景较为有限的人（强大的社区，清晰的语法和可读性）也非常有用。Python甚至有一个易于使用的单元测试框架（例如，您可以使用它对移动应用程序执行地理位置测试）。

M年前我在一家路由生产商上班，那时候我看到测试部门用Tcl脚本去测试路由器端口，我当时就觉得很诧异，毕竟Tcl脚本的语法真的很怪异，相比这点，Python的语法真的干净简洁。

10、在原型制作中使用

用Python创建原型已被证明是一个快速而简单的过程。编程语言的敏捷性使代码重构变得容易，并且可以将初始原型快速开发为最终产品。

11、开源

Python具有开放源代码许可证，该许可证使用户可以轻松访问它，并有助于重新分发和无限制的修改。开发人员可以自由使用该语言并为它的改进做出贡献。

12、服务器端脚本

如上所述，使用Python进行服务器端脚本编写的优点之一是其简单的语法，从而大大加快了处理速度。该代码由功能模块及其之间的连接组成，可让您根据用户操作执行程序算法。Python还支持Web开发中所需的图形用户界面。

13、便携性和交互性

Python具有动态语义和快速原型制作的出色功能，这要归功于它的交互性和可移植性。它可以轻松地嵌入各种应用程序中，甚至是使用不同编码语言的应用程序。因此，您可以轻松修复新模块并扩展Python的核心词汇。它可以连接各种组件。难怪它有时被称为“胶水语言”。

⑥ 如何用python调用百度语音识别

#!/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

#语音合成
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

##语音识别
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

#识别
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上进行语音合成

pycharm 通过 Sftp 远程编辑项目的配置

{这个相当于代码同步，类似git上传，同步后你可以在服务器上直接运行上传的代码；这个配置好后，才能在pycharm远程调试时候将代码上传到服务器正确位置/正确路径上}

打开pycharm，File -> Settings…( Ctrl + Alt + s ) -> Deployment
点击 + 按钮，添加一个

如果你发现你的运行配置中没有 Django 相关的项，请在项目设置的 Django 中勾选 Enable Django Support。

运行配置的设置有两点需要注意。Python Interpreter 需要选中之前建立的远程解释器。Path mappings 处，需要把本机的 manage.py 与 Linux 上的关联起来，比如：

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

这可能是 PyCharm 的 bug：在使用远程解释器后，PyCharm 并不会自动将 Django 运行配置中的 manage.py 文件定位到 Linux 上的那份，而是会尝试使用下面的命令来启动 Django 调试 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 作为一种 hack 手段来解决。
这时就可以打断点调试啦

Trouble Shooting

Q: 点击调试运行失败，显示 “Cant set remote tunneling”

A: 调试时 PyCharm 调用将 Python Debug Server (pydevd.py) 绑定在一个随机端口上，再使用 SSH 的端口转发将数据通过 SSH 端口转到 Debug Server 去。需要检查你的 sshd 配置 (默认是 /etc/ssh/sshd_config) 是否禁用了 TCP 转发 (AllowTcpFowarding)，这个配置默认是打开的。

皮皮blog

出错问题

pycharm channel is not opened

pycharm不能同步deployment中设置的文件内容了，在remote host窗口中打开文件提示the file is identical to local但实际上完全不同，上传多次才能成功，或者干脆就提示channel is not opened。应该和sftp有关。

目前还没找到具体原因，可能是服务器问题，过会就自己好了。

也可能是pycharm的问题，或者系统的问题？希望解决的可以留言告知一下，谢谢！

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

pandas出错

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

重启pycharm，或者也不知道怎么了就好了，不报错了。。。

运行出错

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

点出remote host标签，发现没有这个目录，目录下也没有这个文件

解决：

mkdir -p 代码目录

再在remote host中右键 》 upload here

ref: [PyCharmRemote Debugging指南]

[pycharm奇淫技巧]*

[使用Pycharm进行Python远程开发]

[Deployment in PyCharm]

⑧ python百度云AI语音合成参数怎么改

参数说明

per：发音人选择, 0为普通女声，1为普通男生，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女声

spd：语速，取值0-15，默认为5中语速

pit：音调，取值0-15，默认为5中语调

vol：音量，取值0-15，默认为5中音量

⑨ 北京市哪个出国留学类学校开设了人工智能课

佳莲学校为了拓宽学生视野，让学生在申请心仪大学的offer时多一份保证，开设了人工智能课作为特色课程，人工智能课由马忠贵教授任教，主要教授内容包括Python程序设计基础、搜索、文本识别、语音识别、语音合成、图像识别、专家系统、自然语言处理等。

⑩ 如何自学人工智能

建议还是报个培训班吧，这样学习效率比较高，这是人工智能的的全部课程，要是感兴趣的话可以了解一下：
第一阶段
前端开发 Front-end Development
1、桌面支持与系统管理（计算机操作基础Windows7）
2、Office办公自动化
3、WEB前端设计与布局
4、javaScript特效编程
5、Jquery应用开发

第二阶段
核心编程 Core Programming
1、Python核心编程
2、MySQL数据开发
3、Django 框架开发
4、Flask web框架
5、综合项目应用开发

第三阶段
爬虫开发 Reptile Development
1、网络爬虫开发
2、爬虫项目实践应用
3、机器学习算法
4、Python人工智能数据分析
5、python人工智能高级开发

第四阶段
人工智能 PArtificial Intelligence
1、实训一：WEB全栈开发
2、实训二：人工智能终极项目实战