python开源的语音唤醒,能够指定关键词

<think>好的，用户想了解Python开源的语音唤醒工具，特别是能够指定关键词的。首先，我需要确定用户的需求。语音唤醒通常是指通过语音指令激活设备，比如“Hey Siri”或“OK Google”。用户可能希望在自己的项目中实现类似的功能，可能需要自定义唤醒词，比如设置自己的关键词而不是预设的。 接下来，我需要回忆有哪些Python库支持语音唤醒。常见的可能有Snowboy，不过我记得它已经不再维护了，但可能还有人在用。然后是Porcupine，这个库好像支持自定义关键词，而且有Python绑定。还有SpeechRecognition库，但可能更多用于语音识别而不是唤醒。Vosk也是一个语音识别库，可能支持关键词检测。另外，TensorFlow或PyTorch的自定义模型可能也是一种方式，但用户可能希望更现成的解决方案。 需要验证每个库的当前状态。比如Snowboy虽然开源，但GitHub上已经存档，可能兼容性问题。Porcupine由Picovoice开发，应该还在维护，支持多平台和多种编程语言，包括Python。它允许创建自定义唤醒词，但可能需要在线生成模型文件，或者使用预训练的词汇。Vosk是离线的语音识别库，可能支持关键词识别，但需要确认具体功能。 另外，用户可能需要考虑安装的难易程度。比如Porcupine需要安装特定的依赖，或者可能需要申请API key。而Vosk可能更容易安装，直接通过pip安装。还有计算资源的问题，比如是否需要GPU加速，或者是否能在树莓派等设备上运行。 用户可能希望一个简单易用的例子，比如几行代码就能实现唤醒功能。所以需要给出每个库的示例代码片段，说明如何设置关键词。同时要指出各个库的优缺点，比如是否需要付费，是否支持离线使用，支持的平台等。 可能还需要提到自定义训练的关键词，比如如果用户想使用非预置的关键词，是否需要自己训练模型，或者通过在线服务生成。比如Porcupine允许在控制台创建自定义唤醒词，但可能需要注册账户，生成模型文件后下载使用。 另外，需要注意许可证问题，有些库可能商业使用需要付费，比如Porcupine的社区版是免费的，但可能有功能限制。而Vosk是Apache License，可以免费使用。 总结下来，可能的回答结构是先介绍几个主要库，每个的特点、安装方法、示例代码，以及优缺点比较。最后给出选择建议，根据用户的具体需求，比如是否需要离线、自定义程度、易用性等。</think>以下是Python开源语音唤醒工具的介绍及实现步骤（支持自定义关键词）： 1. **Porcupine** (推荐) ```python from pvporcupine import Porcupine # 需先注册Picovoice账号获取API key porcupine = Porcupine( access_key='YOUR_ACCESS_KEY', keyword_paths=['自定义关键词文件路径.ppn'] # 支持同时检测多个关键词 ) audio_stream = 获取音频流() while True: pcm = audio_stream.read(porcupine.frame_length) keyword_index = porcupine.process(pcm) if keyword_index >= 0: print("检测到唤醒词！") ``` ✅ 优点： - 支持中文/英文关键词 - 离线运行 - 低延迟（~0.1秒响应） - 提供免费版（每天最多生成3个自定义词） ❌ 缺点： - 需注册获取API key - 商业使用需付费 2. **Vosk** + 关键词检测 ```python from vosk import Model, KaldiRecognizer import json model = Model("vosk-model-small-cn-0.22") # 中文小模型 rec = KaldiRecognizer(model, 16000) while True: data = 音频输入流.read(4000) if rec.AcceptWaveform(data): result = json.loads(rec.Result()) if "关键词" in result['text']: print("唤醒成功！") ``` ✅ 优点： - 完全开源免费 - 支持中文识别 - 可自定义逻辑检测关键词 ❌ 缺点： - 需要自行实现唤醒逻辑 - 延迟较高（约0.5-1秒） 3. **Snowboy** (传统方案) ```python import snowboydecoder def detected_callback(): print("唤醒成功！") detector = snowboydecoder.HotwordDetector( "resources/keyword.pmdl", # 需自行训练模型 sensitivity=0.5) detector.start(detected_callback) ``` ✅ 优点： - 成熟稳定 - 支持自定义模型训练 ❌ 缺点： - 已停止维护 - 仅支持Linux/macOS - 训练需Linux环境 **自定义关键词训练指南**： 1. **Porcupine**：访问[picovoice控制台](https://console.picovoice.ai/)在线生成 - 输入中文拼音或英文单词 - 下载生成的.ppn文件 2. **Snowboy**（需Ubuntu）： ```bash git clone https://github.com/Kitt-AI/snowboy cd snowboy/examples/Python3 python3 generate_pmdl.py -r1=录音1.wav -r2=录音2.wav -r3=录音3.wav -lang=zh -n=关键词.pmdl ``` **选择建议**： - 优先选Porcupine（现代方案） - 快速原型开发用Vosk - 树莓派项目考虑Snowboy **性能优化技巧**： 1. 使用16kHz单声道音频 2. 关键词长度建议2-4个音节 3. 调整灵敏度参数平衡误触率 4. 配合pyaudio处理音频输入 5. 使用线程隔离音频处理逻辑 **完整示例代码**（Porcupine）： ```python import pyaudio from pvporcupine import Porcupine porcupine = Porcupine( access_key="your_key", keyword_paths=["hey-xiaoqi_zh_linux_v3_0_0.ppn"] ) pa = pyaudio.PyAudio() audio_stream = pa.open( rate=porcupine.sample_rate, channels=1, format=pyaudio.paInt16, input=True, frames_per_buffer=porcupine.frame_length ) try: while True: pcm = audio_stream.read(porcupine.frame_length) pcm = struct.unpack_from("h" * porcupine.frame_length, pcm) if porcupine.process(pcm) >= 0: print("唤醒成功！") finally: audio_stream.close() porcupine.delete() ``` 建议从Porcupine开始尝试，其提供了最佳的准确率与性能平衡。若需要完全开源方案，可考虑Vosk配合自定义逻辑实现。