安裝baidu-aip：pip install baidu-aip

百度雲網址：https://login.bce.baidu.com
百度語音合成文件：https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top
百度語音識別文件：https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top
百度自然語言處理基礎技術文件：https://ai.baidu.com/docs#/NLP-Python-SDK/6dfe1b04
Mac系統安裝ffmpeg文件：https://blog.csdn.net/stonenotes/article/details/68958332

後端程式碼

# ⚠️這是在macOS系統上（版本10.14）寫的

# pip install baidu-aip

# 百度雲：https://login.bce.baidu.com
# 百度語音合成文件：https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top
# 百度語音識別文件：https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top
 

# 百度自然語言處理基礎技術文件：https://ai.baidu.com/docs#/NLP-Python-SDK/6dfe1b04
# Mac系統安裝ffmpeg文件：https://blog.csdn.net/stonenotes/article/details/68958332
# 圖靈機器人官網：http://www.tuling123.com/
# 圖靈機器人介面說明：https://www.kancloud.cn/turing/www-tuling123-com/718227


import os
import time
import uuid
import requests
import subprocess
from
 
 aip import AipSpeech, AipNlp  # baidu-aip
from flask import Flask, request, render_template, send_file, jsonify


# =======================下面是百度語音合成/識別=======================

class VoiceTextConversion(object):
    # 這3個私有屬性是本人的百度應用的appID等資訊
    __APP_ID = '15225447'
    __API_KEY = 's5m43BMMEGGPaFGxeX3SsY7m'
    __SECRET_KEY = 'Lca9FEGpWNZW6yd8WWAHAyCyLovmi6rb'
    text_to_voice_error_info = {500: '不支援的輸入', 501: '輸入的引數不正確', 502: 'token驗證失敗', 503: '合成後端錯誤'}

    def __init__(self, app_id=None, api_key=None, secret_key=None,
                 connect_timeout=None, socket_timeout=None, is_external_called=False):
        """
        :param APP_ID: 請使用你自己的百度應用
        :param API_KEY: 請使用你自己的百度應用
        :param SECRET_KEY: 請使用你自己的百度應用
        :param connectTimeout: 建立連線的超時時間（單位：毫秒，1000毫秒=1秒）預設60秒
        :param socketTimeout: 通過開啟的連線傳輸資料的超時時間（單位：毫秒）預設60秒
        :param is_external_called: 當前物件是否為其它應用呼叫
        """
        self.__is_external_called = is_external_called
        if requests.get('http://www.baidu.com').status_code is not 200:
            exit(self.__custom_print("沒網你玩個錘子啊！"))
        # 如果你有自己的百度語音應用，請使用你自己的百度語音應用，如果你沒有，請去註冊(免費)：
        self.client = AipSpeech(app_id, api_key, secret_key) if app_id \
            else AipSpeech(self.__APP_ID, self.__API_KEY, self.__SECRET_KEY)
        # 可設定連結/傳輸的超時時間：
        connect_timeout and self.client.setConnectionTimeoutInMillis(connect_timeout)
        socket_timeout and self.client.setSocketTimeoutInMillis(socket_timeout)

    def text_to_voice(self, text, filepath='語音檔案', lang='zh', ctp=1, per=3, pid=5, spd=5, vol=5):
        """
        文字 -> 語音
        :param text: 要轉換的文字
        :param filename: 儲存路徑，自動新增 .mp3 字尾
        :param lang: 語言，預設中文
        :param ctp: ?
        :param per: 發音人，0為女聲；1為男聲；3為情感合成-度逍遙；4為情感合成-度牙牙
        :param pid: 音調，取值0-9，預設為5 中語速
        :param spd: 語速，取值0-9，預設為5 中語速
        :param vol: 音量，取值0-15，預設為5 中音量
        """
        voice_format = {'per': per, 'pid': pid, 'spd': spd, 'vol': vol}
        # 開始轉換：
        # 轉換成功時返回bytes語音資料；轉換失敗時返回錯誤資訊字典；
        result = self.client.synthesis(text, lang, ctp, voice_format)
        # 如果轉換成功，將儲存至磁碟：
        if isinstance(result, bytes):
            with open(f'{filepath}.mp3', 'wb') as f:
                f.write(result)
            self.__custom_print(f'合成語音成功：{filepath}', color=32, is_error=False)
        # 如果出現錯誤：
        else:
            err_code = result.get('err_no')
            err_info = self.text_to_voice_error_info[err_code]
            self.__custom_print(err_info)

    def voice_to_text(self, filepath=None, format='pcm', dev_pid=1536):
        """
        語音 -> 文字
        使用前請安裝ffmpeg，用於將其它格式的語音檔案轉換為 .pcm 格式的語音檔案
        :param filepath: 語音檔案路徑
        :param format: 語音檔案格式(字尾)，.pcm 或 .wav 或 .amr 不區分大小寫。推薦使用 .pcm 檔案
        :param dev_pid: 語言，1536普通話(支援簡單的英文識別)，1537普通話，1737英語，1637粵語，1837四川話，1936普通話遠場(距離識別)
        :return:
        """
        # 如果輸入的檔案路徑有誤
        if not os.path.isfile(filepath):
            return self.__custom_print('語音檔案路徑錯誤')
        # 將語音檔案轉換為 format 格式，這一步驟將呼叫系統命令ffmpeg並會生成新檔案，需要安裝該命令（詳見頂部：Mac系統安裝ffmpeg文件連結）
        cmd = f'ffmpeg -y -i {filepath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filepath}.{format}'
        # ffmpeg命令執行過程中輸出的資訊被儲存在stderr中
        r = subprocess.Popen(cmd, shell=True, stderr=subprocess.PIPE)
        # 命令執行成功，將會生成 format 格式的語音檔案
        # 語音檔案生成的很慢，這個很奇怪的問題，先這麼解決吧：
        for i in range(999):
            time.sleep(0.1)
            if os.path.isfile(f'{filepath}.{format}'):
                break
        # 讀取轉換後的語言檔案：
        with open(f'{filepath}.{format}', 'rb') as fp:
            voice_content = fp.read()
        # 讀取後，刪除生成的 format 格式的檔案
        os.remove(f'{filepath}.{format}')
        # 開始轉換：
        result = self.client.asr(voice_content, format, 16000, {'dev_pid': dev_pid})
        # 如果轉換成功，直接輸出文字：
        if not result.get('err_no'):
            content = result.get('result')[0]
            if self.__is_external_called:
                return content
            self.__custom_print(content, 34, 1, is_error=False)
        # 如果轉換錯誤
        else:
            err_code = result.get('err_no')
            self.__custom_print(f'錯誤程式碼：{err_code}，詳見頂部：百度語音識別文件')

    def short_text_compare(self, text1, text2):
        """
        短文字相似度，詳見頂部：百度自然語言處理基礎技術文件
        超過72% 極度相似
        超過60% 比較相似
        超過60% 可能相似
        低於50% 不相似
        越低越不相似
        :param text1: 第一個短文字
        :param text2: 第二個短文字
        :return: 相似百分比
        """
        nlp_client = AipNlp(self.__APP_ID, self.__API_KEY, self.__SECRET_KEY)
        # 傳送短文字
        result = nlp_client.simnet(text1, text2)
        # 獲取相似度
        score = result.get('score')
        # 轉換百分比
        score = f'{round(score * 100)}%'
        self.__custom_print(f'相似度：{score}', 35, 1, is_error=False)

    def __custom_print(self, data=None, color=31, font=0, is_error=True):
        """
        自定義列印資訊的字型及顏色
        :param color: 列印顏色，預設紅色，32綠色，34藍色，35紫紅色，更多列印顏色請百度
        :param font: 列印字型，預設正常字型，1為黑體(加粗)
        :param is_error: 是否列印錯誤資訊
        """
        if self.__is_external_called:
            return
        is_error and self.__custom_print('錯誤！！！', font=1, is_error=False)
        print_info = f'\033[{font};{color};0m{data}\033[0m'
        print(print_info)


# ---------開始使用---------

# if __name__ == '__main__':
#     # 我們先例項化一個物件
#     obj = VoiceTextConversion()
#
#     # 文字 -> 語音
#     text = '人活著就要有夢想，不然跟鹹魚又有什麼區別呢？'
#     obj.text_to_voice(text, filepath='語音檔案')
#
#     # 語音 -> 文字
#     obj.voice_to_text('語音檔案.mp3')
#
#     # 短文字相似度
#     text1, text2 = '你叫什麼名字', '你的名字叫什麼'
#     obj.short_text_compare(text1, text2)


# =======================下面是圖靈機器人=======================


class TuringRobot(object):  # 玩轉圖靈機器人，詳見頂部：圖靈機器人介面說明
    # 機器人標示，若果你有自己的機器人，請使用你自己的機器人
    __API_KEY = '8c512c52ac324a3eb4c40639d43bd507'  # 免費版 100次/天
    # 圖靈機器人接入地址
    URL = 'http://openapi.tuling123.com/openapi/api/v2'
    # 請求引數
    POST_DATA = {
        "reqType": 0,  # 輸入型別：0-文字(預設) 1-圖片 2-音訊
        "perception": {  # 輸入資訊
            "inputText": {  # 文字資訊
                "text": ""  # 直接輸入文字，1-128個字元
            },
        },
        "userInfo": {  # 使用者引數
            "apiKey": "",  # 機器人標示
            "userId": "",  # 使用者唯一標示，用於請求上下文判斷是否為同一個使用者，不可重複
        }
    }

    @classmethod
    def run(cls, text='你的名字叫什麼', user_id='user01', api_key=None, *args, **kwargs):
        """
        開始玩轉圖靈機器人
        :param text: 你對機器人說的話
        :param api_key: 圖靈機器人標示，如果你有自己的機器人，請使用你自己的機器人
        :param user_id: 使用者唯一ID，用於請求上下文判斷是否為同一個使用者，多個使用者使用時不可重複
        :return: 直接返回機器人回的話
        """
        cls.POST_DATA.get('userInfo')['apiKey'] = api_key or cls.__API_KEY
        cls.POST_DATA.get('userInfo')['userId'] = user_id
        cls.POST_DATA.get('perception')['inputText']['text'] = text
        result = requests.post(cls.URL, json=cls.POST_DATA).json()
        return result.get('results')[0]['values']['text']


# =======================Flase App=======================


app = Flask(__name__)


@app.route('/', methods=['GET', 'POST'])
def index():
    return render_template('web.html')


@app.route('/toy_uploader', methods=['GET', 'POST'])
def toy_uploader():
    uuid4 = uuid.uuid4()
    vct = VoiceTextConversion(is_external_called=True)
    # 確保檔案唯一，錄音檔案為 .wav 格式
    filename = f'{uuid4}.wav'
    # 儲存語音檔案
    request.files['record'].save(filename)
    # 開始語音轉文字
    content = vct.voice_to_text(filename)
    os.remove(filename)
    # 與圖靈機器人對話
    result = TuringRobot.run(text=content, user_id='user01')
    # 開始文字轉語音
    vct.text_to_voice(text=result, filepath=uuid4)
    # 返回給前端語音檔名
    return jsonify({'filename': f'{uuid4}.mp3'})


@app.route('/get_audio/<filename>')
def get_audio(filename):
    # 前端ajax通過檔名來獲取語音檔案
    ret = send_file(filename)
    os.remove(filename)
    return ret


if __name__ == '__main__':
    app.run('0.0.0.0', 5000, debug=True)

前端程式碼

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>人機對話</title>
</head>
<body>
<audio src="" controls autoplay id="player"></audio>
<div>
    <button onclick="start_reco()" style="background-color: red">錄製語音</button>
</div>
<div>
    <button onclick="stop_reco()" style="background-color: green">傳送語音</button>
</div>
</body>
<script type="text/javascript" src=https://cdn.bootcss.com/jquery/3.3.1/jquery.min.js></script>
<script type="text/javascript" src="/static/Recorder.js"></script>
<script type="text/javascript">
    var serv = "http://127.0.0.1:5000";
    // var get_music = "http://192.168.1.102:9527/get_music/";
    // var get_chat = "http://192.168.1.102:9527/get_chat/";
    var reco = null;

    var audio_context = new AudioContext();
    navigator.getUserMedia = (navigator.getUserMedia ||
        navigator.webkitGetUserMedia ||
        navigator.mozGetUserMedia ||
        navigator.msGetUserMedia);

    navigator.getUserMedia({audio: true}, create_stream, function (err) {
        console.log(err)
    });

    function create_stream(user_media) {
        var stream_input = audio_context.createMediaStreamSource(user_media);
        reco = new Recorder(stream_input);
    }

    function start_reco() {
        reco.record();
    }

    function stop_reco() {
        reco.stop();
        get_audio();
        reco.clear();
    }

    function get_audio() {
        reco.exportWAV(function (wav_file) {
            // wav_file = Blob物件 file物件
            // ws.send(wav_file);
            var formdata = new FormData();
            formdata.append("record", wav_file);
            // formdata.append("sender", toy_id);
            // formdata.append("to_user", document.getElementById("from_user").innerText);
            $.ajax({
                url: serv + "/toy_uploader",  // ⚠️
                type: 'post',
                processData: false,
                contentType: false,
                data: formdata,
                dataType: 'json',
                success: function (data) {
                    console.log(data.A);
                    // console.log(data);
                    document.getElementById("player").src =
                        "http://127.0.0.1:5000/get_audio/" + data.filename;  // ⚠️
                }
            })
        })
    }
</script>
</html>

前端依賴外掛：
Recorder.js：https://download.csdn.net/download/qq_41964425/10867911
uuid.js：https://download.csdn.net/download/qq_41964425/10867907

使用火狐瀏覽器錄音.