如何使用Vosk等快速离线语音识别工具为虚拟助理设置唤醒词

实现逻辑 #

选用轻量离线识别工具作为唤醒检测层，全程只在本地运行，只有检测到预设唤醒词后才会调用Google在线识别接口采集完整指令，从根源避免麦克风音频持续上传的隐私问题：

• 第一阶段（持续离线监听）：调用CMU Sphinx/Vosk离线识别实时检测音频，仅匹配预设唤醒词，匹配失败则丢弃音频继续监听
• 第二阶段（在线指令采集）：唤醒词命中后，调用原有Google识别逻辑采集用户指令，指令识别完成后自动切回离线监听状态

前置依赖安装 #

如果用CMU Sphinx（和现有SpeechRecognition库兼容性最好，改动最小）：
pip install pocketsphinx
如果用Vosk（识别准确率更高，支持自定义唤醒词更灵活）：
pip install vosk

基于Sphinx的修改后代码示例 #

import speech_recognition as sr

# 自定义唤醒词，可根据需求修改
WAKE_WORD = "hey google"

def detect_wake_word():
    """离线检测唤醒词，仅本地运行"""
    r = sr.Recognizer()
    with sr.Microphone() as source:
        r.chunk_size = 2048
        r.adjust_for_ambient_noise(source)
        audio = r.listen(source)
    try:
        # 用离线Sphinx识别检测唤醒词
        text = r.recognize_sphinx(audio).lower()
        return WAKE_WORD in text
    except:
        return False

def takeCommand():
    """原有Google在线识别逻辑，仅唤醒后调用"""
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("已唤醒，正在听指令...")
        r.chunk_size = 2048
        r.adjust_for_ambient_noise(source)
        audio = r.listen(source)
    try:
        print("正在识别指令....")
        query = r.recognize_google(audio, language='en-in')
        print(f"你说的是: {query}\n")
    except Exception as e:
        print(e)
        print("请再说一遍...")
        return "None"
    return query

# 主运行逻辑
if __name__ == "__main__":
    while True:
        print("等待唤醒...")
        if detect_wake_word():
            print("唤醒成功！")
            command = takeCommand()
            # 这里可添加后续指令处理逻辑
            print(f"处理指令: {command}")
            # 指令处理完成后自动回到等待唤醒状态

优化说明 #

• 如果对Sphinx的唤醒准确率不满意，可以替换成Vosk实现，自定义唤醒词的匹配精度更高，还支持中文唤醒词
• 可以给唤醒检测添加阈值过滤，避免误触发，比如连续两次检测到唤醒词才进入在线识别阶段
• 唤醒后可以添加提示音反馈，让用户明确知道现在可以说指令

内容的提问来源于stack exchange，提问作者Snipey