构建类Alexa语音对话原型：安装rasa-sdk等模块遇编译错误求助

核心问题分析 #

安装rasa-sdk、rasa及TTS模块时，出现multidict 5.0.0编译失败，提示找不到basetsd.h头文件——该文件属于Windows SDK组件，缺失会导致C扩展编译失败。

解决步骤 #

1. 补全Windows开发组件 #

下载安装Visual Studio Build Tools，勾选「桌面开发使用C++」工作负载，确保包含对应Windows版本的Windows SDK组件。安装完成后重启终端，让环境变量生效。

2. 跳过编译，安装预编译版本 #

若不想配置编译环境，可直接安装无需编译的高版本multidict，再执行目标模块安装：

pip install multidict>=6.0.0 --only-binary :all:
pip install rasa-sdk rasa TTS

3. 用虚拟环境隔离依赖 #

避免全局依赖冲突，创建并激活虚拟环境后再安装：

python -m venv venv
# Windows激活
venv\Scripts\activate
# Linux/macOS激活
source venv/bin/activate

项目相关文件 #

项目文件结构 #

voice-assistant-prototype/
├── actions/
│   └── Actions.py
├── main.py
├── requirements.txt
└── config.yml

Actions.py（余额查询拟人化响应实现） #

from rasa_sdk import Action, Tracker
from rasa_sdk.executor import CollectingDispatcher

class ActionCheckBalance(Action):
    def name(self) -> str:
        return "action_check_balance"

    def run(self, dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: dict) -> list:
        # 模拟获取用户余额
        user_balance = "1256.89"
        # 拟人化响应
        response = f"您好，您当前的账户余额是{user_balance}元，近期有一笔100元的消费记录，需要我为您详细说明吗？"
        dispatcher.utter_message(text=response)
        return []

main.py（语音对话入口） #

import speech_recognition as sr
from gtts import gTTS
import os
from rasa.core.agent import Agent

# 加载Rasa代理
agent = Agent.load("models")

def speech_to_text():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("请说话...")
        audio = r.listen(source)
    try:
        text = r.recognize_google(audio, language='zh-CN')
        print(f"您说的是：{text}")
        return text
    except sr.UnknownValueError:
        return "抱歉，我没听清您说的内容"
    except sr.RequestError:
        return "语音识别服务不可用"

def text_to_speech(text):
    tts = gTTS(text=text, lang='zh-CN')
    tts.save("response.mp3")
    os.system("start response.mp3")  # Windows
    # os.system("afplay response.mp3")  # macOS
    # os.system("mpg123 response.mp3")  # Linux

if __name__ == "__main__":
    while True:
        user_input = speech_to_text()
        if user_input.lower() in ["退出", "结束"]:
            text_to_speech("再见，祝您生活愉快！")
            break
        responses = agent.handle_text(user_input)
        for response in responses:
            text_to_speech(response["text"])

内容的提问来源于stack exchange，提问作者zybe