如何在Python 3.9.7的AI助手代码中添加唤醒词？求解决方案

核心思路 #

放弃在speech_recognition常规识别流程中硬加唤醒词判断，改用持续监听+轻量唤醒词检测的架构——speech_recognition的recognize_*方法是一次性识别逻辑，不适合实时唤醒场景。

具体实现步骤 #

1. 安装依赖 #

除speech_recognition外，引入轻量唤醒词检测库pvporcupine（免费版支持自定义唤醒词），执行安装命令：

pip install pvporcupine speechrecognition pyaudio

2. 替换原有监听逻辑 #

将单次语音识别流程改为：

• 用Porcupine持续监听唤醒词
• 检测到唤醒词后，再调用speech_recognition处理后续指令

3. 代码修改示例 #

假设原有基础代码结构如下：

import speech_recognition as sr

r = sr.Recognizer()
with sr.Microphone() as source:
    print("Listening...")
    audio = r.listen(source)
try:
    text = r.recognize_google(audio, language='zh-CN')
    print(f"You said: {text}")
    # 后续指令处理逻辑
except sr.UnknownValueError:
    print("Could not understand audio")

修改为带唤醒词的版本：

import speech_recognition as sr
import pvporcupine
import pyaudio

# 初始化Porcupine，使用内置唤醒词（免费版支持"alexa"等内置词）
# 自定义唤醒词需生成对应的ppn文件，替换下方参数即可
porcupine = pvporcupine.create(keywords=["alexa"])
pa = pyaudio.PyAudio()

# 配置音频流
audio_stream = pa.open(
    rate=porcupine.sample_rate,
    channels=1,
    format=pyaudio.paInt16,
    input=True,
    frames_per_buffer=porcupine.frame_length
)

r = sr.Recognizer()

print("等待唤醒词...")
while True:
    # 读取音频帧检测唤醒词
    pcm = audio_stream.read(porcupine.frame_length)
    pcm = pvporcupine.convert_pcm_to_int16(pcm)
    keyword_index = porcupine.process(pcm)
    
    if keyword_index >= 0:
        print("唤醒成功！请说话...")
        # 唤醒后监听用户指令
        with sr.Microphone() as source:
            r.adjust_for_ambient_noise(source)
            audio = r.listen(source)
        try:
            text = r.recognize_google(audio, language='zh-CN')
            print(f"识别到指令: {text}")
            # 在此添加你的指令处理逻辑
        except sr.UnknownValueError:
            print("没听清，请再说一遍")
        except sr.RequestError as e:
            print(f"语音识别服务出错: {e}")
        print("回到等待唤醒词状态...")

# 程序退出时释放资源（需捕获Ctrl+C等中断信号执行）
porcupine.delete()
audio_stream.close()
pa.terminate()

4. 关键注意事项 #

• 自定义唤醒词：若要使用专属唤醒词（如"小助手"），需生成对应的.ppn文件，修改初始化代码为porcupine = pvporcupine.create(keyword_paths=["你的唤醒词文件.ppn"])
• 权限与环境：确保麦克风权限已开启，Linux系统可能需额外安装音频驱动
• 性能优化：Porcupine检测逻辑轻量，不会占用过多系统资源，适合持续运行
• 错误处理：添加键盘中断捕获（如try-except KeyboardInterrupt）实现优雅退出

无第三方库备选方案 #

若不想引入额外依赖，可通过speech_recognition持续识别短音频片段，检查结果中是否包含唤醒词：

import speech_recognition as sr
import time

r = sr.Recognizer()
with sr.Microphone() as source:
    r.adjust_for_ambient_noise(source)
    print("等待唤醒词...")
    while True:
        try:
            # 每秒识别一次短音频片段
            audio = r.listen(source, phrase_time_limit=1)
            text = r.recognize_google(audio, language='zh-CN').lower()
            if "小助手" in text:
                print("唤醒成功！请说话...")
                # 监听完整指令
                audio = r.listen(source)
                cmd = r.recognize_google(audio, language='zh-CN')
                print(f"指令: {cmd}")
                # 处理指令逻辑
                print("回到等待唤醒词状态...")
        except sr.UnknownValueError:
            continue
        except sr.RequestError as e:
            print(f"服务出错，等待重试: {e}")
            time.sleep(5)

该方案缺点是误唤醒率较高，且依赖网络识别，仅适合快速测试。

内容的提问来源于stack exchange，提问作者aminerijalleblad