使用Arduino进行语音识别和合成

描述

在我之前的项目中，我展示了如何使用Arduino板和BitVoicer 服务器控制几个 LED 。在这个项目中，我会让事情变得更复杂一些。我还将使用Arduino DUE数模转换器 (DAC)合成语音。如果您没有 Arduino DUE，您可以使用其他 Arduino 板，但您需要一个外部 DAC 和一些额外的代码来操作 DAC（BVSSpeaker库不会帮助您）。

在下面的视频中，您可以看到我还让 Arduino 播放一首小曲并让 LED 像钢琴键一样闪烁。对不起我的钢琴技巧，但这是我能做的最好的:)。LED 实际上以与真正的 C、D 和 E 键相同的顺序和时间闪烁，因此如果您周围有钢琴，您可以跟随 LED 并演奏相同的歌曲。这是来自一个甚至不复存在的老零售商 (Mappin) 的叮当声。

将执行以下程序将语音命令转换为 LED 活动和合成语音：

• 1. Sparkfun Electret Breakout板将捕获并放大音频波；

• 2.放大的信号将在Arduino中使用其模数转换器（ADC）进行数字化和缓冲；

• 3. 音频样本将通过 Arduino 串口流式传输到 BitVoicer Server；

• 4. BitVoicer Server 将处理音频流并识别其中包含的语音；

• 5. 识别的语音将被映射到预定义的命令，这些命令将被发送回 Arduino。如果其中一个命令是合成语音，BitVoicer Server 将准备音频流并将其发送到 Arduino；

• 6. Arduino 将识别命令并执行适当的操作。如果接收到音频流，它将被排入BVSSpeaker类并使用 DUE DAC 和DMA播放。

• 7. SparkFun 单声道音频放大器将放大 DAC 信号，以便驱动 8 欧姆扬声器。

材料清单：

• Arduino到期：~U$ 50.00

• Sparkfun驻极体麦克风突破：7.95美元

• SparkFun 单声道音频放大器突破：7.95 美元

• BitVoicer 服务器 1.0 ：9.90 美元

• 8 欧姆扬声器：~U$ 2.00

• 面包板：~U$ 10.00

• 3 个 LED：~U$ 1.00

• 3 x 330 Ohm 电阻器：~U$ 0.75

• 跳线：~U$ 0.50

第 1 步：接线

第一步是将 Arduino 和面包板与组件连接起来，如下图所示。我不得不在扬声器下方放置一个小橡胶，因为它会振动很多，没有橡胶，音频质量会受到很大影响。

 

 

 

 

 

1 / 4 • Fritzing 示意图

 

在这里，我们与我之前的项目有一个很小但很重要的区别。大多数 Arduino 板在 5V 下运行，但 DUE 在 3.3V 下运行。因为我在 3.3V 下运行 Sparkfun Electret Breakout 得到了更好的结果，如果您使用 5V Arduino 板，我建议您在 3.3V 引脚和 AREF 引脚之间添加一个跳线。DUE 已经使用 3.3V interwetten与威廉的赔率体系 参考，因此您不需要跳线到 AREF 引脚。实际上，DUE 上的 AREF 引脚通过电阻桥连接到微控制器。要使用 AREF 引脚，电阻 BR1 必须从 PCB 上拆焊。

第 2 步：将代码上传到 Arduino

现在您必须将以下代码上传到您的 Arduino。为方便起见，本文底部的附件部分也提供了 Arduino 草图。在上传代码之前，您必须将 BitVoicer 服务器库正确安装到 Arduino IDE（导入 .zip 库）。

Arduino 草图：BVS_Demo2.ino

这个草图有七个主要部分：

• 库引用和变量声明：前四行包括对BVSP 、BVMic 、BVSSpeaker和 DAC 库的引用。这些库由 BitSophia 提供，可以在 BitVoicer Server 安装文件夹中找到。当您添加对 BVSSpeaker 库的引用时，会自动包含 DAC 库。其他行声明了整个草图中使用的常量和变量。BVSP 类用于与 BitVoicer Server 通信，BVMic 类用于捕获和存储音频样本，BVSSpeaker 类用于使用 DUE DAC再现音频。

• 设置功能：该功能执行以下操作：设置引脚模式及其初始状态；初始化串行通信；并初始化 BVSP、BVMic 和 BVSSpeaker 类。它还为BVSP 类的 frameReceived、modeChanged 和 streamReceived 事件设置“事件处理程序”（它们实际上是函数指针） 。

• 循环函数：该函数执行五个重要操作： 向服务器请求状态信息（keepAlive() 函数）；检查服务器是否发送了任何数据并处理接收到的数据（receive() 函数）；控制音频流的录制和发送（isSREAvailable()、startRecording()、stopRecording() 和 sendStream() 函数）；播放排队到 BVSSpeaker 类中的音频样本（play() 函数）；并调用 playNextLEDNote() 函数，该函数控制在接收到 playLEDNotes 命令后 LED 应如何闪烁。

• BVSP_frameReceived 函数：每次 receive() 函数识别出已接收到一个完整帧时，都会调用此函数。在这里，我运行从 BitVoicer Server 发送的命令。控制 LED 的命令包含 2 个字节。第一个字节表示引脚，第二个字节表示引脚值。我使用analogWrite() 函数为引脚设置适当的值。我还检查是否收到了 Byte 类型的 playLEDNotes 命令。如果已收到，我将 playLEDNotes 设置为true并标记当前时间。这个时间将被 playNextLEDNote 函数用来使 LED 与歌曲同步。

• BVSP_modeChanged 函数：每次接收（）函数识别出站方向（服务器-> Arduino）中的模式更改时调用此函数。哇！！！那是什么？！BitVoicer Server 可以向 Arduino 发送帧数据或音频流。在通信从一种模式转到另一种模式之前，BitVoicer Server 会发送一个信号。BVSP 类识别此信号并引发 modeChanged 事件。在 BVSP_modeChanged 函数中，如果我检测到通信正在从流模式转到帧模式，我知道音频已经结束，所以我可以告诉 BVSSpeaker 类停止播放音频样本。

• BVSP_streamReceived 函数：每次 receive() 函数识别到已接收到音频样本时，都会调用此函数。我只需检索样本并将它们排队到 BVSSpeaker 类中，以便 play() 函数可以重现它们。

• playNextLEDNote 函数：此函数仅在 BVSP_frameReceived 函数识别 playLEDNotes 命令时运行。它控制 LED 并将其与从 BitVoicer 服务器发送的音频同步。为了使 LED 与音频同步并知道正确的时间，我使用了Sonic Visualizer 。这个免费软件让我可以看到音波，这样我就可以很容易地分辨出钢琴键是什么时候按下的。它还显示了一条时间线，这就是我获得此函数中使用的毫秒数的方式。听起来像一个愚蠢的把戏，它是。我认为可以分析音频流并打开相应的 LED，但我无法做到。

第 3 步：导入 BitVoicer 服务器解决方案对象

现在您必须设置 BitVoicer Server 才能与 Arduino 一起使用。BitVoicer Server 有四个主要的解决方案对象：位置、设备、二进制数据和语音模式。

位置表示安装设备的物理位置。就我而言，我创建了一个名为 Home 的位置。

设备是 BitVoicer 服务器客户端。我创建了一个混合设备，将其命名为 ArduinoDUE 并输入通信设置。重要提示：即使 Arduino DUE 也有少量内存来存储 BitVoicer Server 将流式传输的所有音频样本。如果不限制带宽，则需要更大的缓冲区来存储音频。由于这个原因，我遇到了一些缓冲区溢出，因此我不得不将通信设置中的数据速率限制为每秒 8000 个样本。

BinaryData 是 BitVoicer Server 可以发送到客户端设备的一种命令。它们实际上是可以链接到命令的字节数组。当 BitVoicer Server 识别出与该命令相关的语音时，它会将字节数组发送到目标设备。我为每个引脚值创建了一个 BinaryData 对象，并将它们命名为 ArduinoDUEGreenLedOn、ArduinoDUEGreenLedOff 等。我的解决方案中最终有 18 个 BinaryData 对象，因此我建议您从下面的VoiceSchema.sof文件下载并导入对象。

语音模式是一切融合在一起的地方。它们定义了应该识别哪些句子以及运行哪些命令。对于每个句子，您可以根据需要定义任意数量的命令以及它们将执行的顺序。您还可以定义命令之间的延迟。这就是我如何设法执行您在视频中看到的一系列动作。

我的语音模式中的一个句子是“播放一首小歌”。这句话包含两个命令。第一个命令发送一个字节，指示以下命令将成为音频流。然后，Arduino 在传输音频时开始“播放”LED。音频是我自己录制的一小段钢琴曲，并将其设置为第二个命令的音频源。BitVoicer Server 仅支持 8 位单声道 PCM 音频（每秒 8000 个样本），因此如果您需要将音频文件转换为这种格式，

您可以从以下文件导入（导入解决方案对象）我在此项目中使用的所有解决方案对象。一个包含 DUE 设备，另一个包含语音模式及其命令。

解决方案目标文件：

• 设备.sof

• VoiceSchema.sof

第 4 步：结论

给你！您可以打开一切并执行视频中显​​示的相同操作。

正如我在之前的项目中所做的那样，我通过在BitVoicer Server Manager中启用 Arduino 设备来启动语音识别。一旦启用，Arduino 就会识别可用的语音识别引擎并开始将音频流式传输到 BitVoicer 服务器。但是，现在您在 Arduino RX LED 中看到更多活动，同时音频从 BitVoicer 服务器流式传输到 Arduino。

在我的下一个项目中，我将更加雄心勃勃。我打算将 WiFi 通信添加到一个 Arduino 并通过语音一起控制另外两个 Arduino。我在想他们之间的某种游戏。非常欢迎提出建议！