Como sabemos, Python é uma linguagem adequada para escritores e desenvolvedores de scripts. Vamos escrever um script para o Personal Voice Assistant usando Python. A consulta do assistente pode ser manipulada conforme a necessidade do usuário.

O assistente implementado pode abrir o aplicativo (se estiver instalado no sistema), pesquisar no Google, Wikipedia e YouTube sobre a consulta, calcular qualquer questão matemática, etc. apenas dando o comando de voz . Podemos processar os dados conforme a necessidade ou podemos adicionar a funcionalidade, depende de como codificamos as coisas.

Estamos usando a API de reconhecimento de voz do Google e o texto em fala do google para entrada e saída de voz, respectivamente.
Além disso, para calcular a expressão matemática, a API WolframAlpha pode ser usada.
O pacote Playsound é usado para reproduzir o som mp3 salvo do sistema.

Requisitos de pacote externo do Python:

-> gTTS - Google Text To Speech, para converter o texto fornecido em fala
-> speech_recognition - para reconhecer o comando de voz e converter em texto
-> selenium - para trabalho baseado na web a partir do navegador
-> wolframalpha - para cálculo fornecido pelo usuário
-> playound - para reproduzir o arquivo de áudio salvo.
-> pyaudio - para mecanismo de voz em python

Bem, vamos começar com o código. Vamos dividir cada função como um único código para facilitar o entendimento.

Aqui está a função principal, com get_audio()e assistant_speaks função. get_audio()função é criada para obter o áudio do usuário usando o microfone, o limite de frase é definido para 5 segundos (você pode alterá-lo). A função de fala do assistente é criada para fornecer a saída de acordo com os dados processados.

import speech_recognition as sr  
import playsound 
from gtts import gTTS 
import os 
import wolframalpha 
from selenium import webdriver 
  
num = 1
def assistant_speaks(output): 
    global num 
  
    
    
    num += 1
    print("PerSon : ", output) 
  
    toSpeak = gTTS(text = output, lang ='en', slow = False) 
    
    file = str(num)+".mp3  
    toSpeak.save(file) 
      
    
    playsound.playsound(file, True)  
    os.remove(file) 
  
  
  
def get_audio(): 
  
    rObject = sr.Recognizer() 
    audio = '' 
  
    with sr.Microphone() as source: 
        print("Speak...") 
        
        audio = rObject.listen(source, phrase_time_limit = 5)  
    print("Stop.") 
  
    try: 
text = rObject.recognize_google(audio, language ='en-US') 
        print("You : ", text) 
        return text 
  
    except: 
assistant_speaks("Could not understand your audio, PLease try again !") 
        return 0
  
  
if __name__ == "__main__": 
    assistant_speaks("What's your name, Human?") 
    name ='Human'
    name = get_audio() 
    assistant_speaks("Hello, " + name + '.') 
      
    while(1): 
assistant_speaks("What can i do for you?") 
        text = get_audio().lower() 
if text == 0: 
            continue
if "exit" in str(text) or "bye" in str(text) or "sleep" in str(text): 
            assistant_speaks("Ok bye, "+ name+'.') 
            break
        process_text(text) 

Aqui estão alguns dos exemplos e resultados, que podem ajudá-lo a entender como funciona o processamento acima.

1. Diga "Pesquisar Geeks do Google por Geeks"
2. Diga "Tocar no Youtube sua música favorita"
3. Diga "Wikipedia Dhoni"
4. Diga "Open Microsoft Word"
5. Diga "Calcule o que quiser"

Em todos os casos acima, ele fará o que for mandado. Se o assistente não puder entender o que é dito, ele pedirá que você faça uma busca no Google. Pois o que o assistente não pode fazer é controlado por este assistente.

Abaixo estão algumas imagens da conversa entre o humano e o assistente.

Bem, é isso. A funcionalidade acima pode ser codificada de várias maneiras, esta é uma implementação básica. Certifique-se de ter a versão mais recente de todos os pacotes acima para um trabalho tranquilo. Para executar o código acima, combine todas as funções no mesmo arquivo.

Encontre abaixo um pequeno vídeo para a compilação do código acima.