AI 应用 图文 解说 (一) -- 百度智能云 实现 语音 聊天

 文章的目的为了记录AI应用学习的经历，降低AI的入门难度。同时记录开发流程和要点有些记忆模糊，防止忘记。也希望可以给看到文章的朋友带来一些收获。

 相关链接：
AI 应用 图文 解说 (一) -- 百度智能云 实现 语音 聊天-优快云博客
AI 应用 图文 解说 (二) -- 百度智能云 ASR LIM TTS 语音AI助手程序 -优快云博客

推荐链接：

开源 python 应用 开发（一）python、pip、pyAutogui、python opencv安装-优快云博客

开源 python 应用 开发（二）基于pyautogui、open cv 视觉识别的工具自动化-优快云博客

开源 python 应用 开发（三）python语法介绍-优快云博客

开源 python 应用 开发（四）python文件和系统综合应用-优快云博客

开源 python 应用 开发（五）python opencv之目标检测-优快云博客

开源 python 应用 开发（六）网络爬虫-优快云博客

开源 python 应用 开发（七）数据可视化-优快云博客

开源 python 应用 开发（八）图片比对-优快云博客

开源 python 应用 开发（九）目标跟踪-优快云博客

开源 python 应用 开发（十）音频压缩-优快云博客

开源 python 应用 开发（十一）AI应用--百度智能云ASR短语音转文本-优快云博客

开源 python 应用 开发（十二）AI应用--百度智能云Agent聊天-优快云博客

开源 python 应用 开发（十三）AI应用--百度智能云TTS语音合成-优快云博客

开源 python 应用 开发（十四）python快速建设网站-优快云博客

 推荐链接：

开源 Arkts 鸿蒙应用 开发（一）工程文件分析-优快云博客

开源 Arkts 鸿蒙应用 开发（二）封装库.har制作和应用-优快云博客

开源 Arkts 鸿蒙应用 开发（三）Arkts的介绍-优快云博客

开源 Arkts 鸿蒙应用 开发（四）布局和常用控件-优快云博客

开源 Arkts 鸿蒙应用 开发（五）控件组成和复杂控件-优快云博客

 推荐链接：

开源 java android app 开发（一）开发环境的搭建-优快云博客

开源 java android app 开发（二）工程文件结构-优快云博客

开源 java android app 开发（三）GUI界面布局和常用组件-优快云博客

开源 java android app 开发（四）GUI界面重要组件-优快云博客

开源 java android app 开发（五）文件和数据库存储-优快云博客

开源 java android app 开发（六）多媒体使用-优快云博客

开源 java android app 开发（七）通讯之Tcp和Http-优快云博客

开源 java android app 开发（八）通讯之Mqtt和Ble-优快云博客

开源 java android app 开发（九）后台之线程和服务-优快云博客

开源 java android app 开发（十）广播机制-优快云博客

开源 java android app 开发（十一）调试、发布-优快云博客

开源 java android app 开发（十二）封库.aar-优快云博客

推荐链接：

开源C# .net mvc 开发（一）WEB搭建_c#部署web程序-优快云博客

开源 C# .net mvc 开发（二）网站快速搭建_c#网站开发-优快云博客

开源 C# .net mvc 开发（三）WEB内外网访问(VS发布、IIS配置网站、花生壳外网穿刺访问)_c# mvc 域名下不可訪問內網,內網下可以訪問域名-优快云博客

开源 C# .net mvc 开发（四）工程结构、页面提交以及显示_c#工程结构-优快云博客

​​​​​​开源 C# .net mvc 开发（五）常用代码快速开发_c# mvc开发-优快云博客

人工智能（AI）在多个领域发挥着重要作用，最典型最常见的就是语音识别聊天功能。文章是为了记录本人的AI应用的初次体验，同时希望可以带给大家AI应用快速入门的方法，实现0到1的突破，提高学习的小路，尽量用图文的方式来描述，在文中也有代码的链接，已经经过验证可以直接使用。

本章的主要内容是：通过百度智能云实现语音聊天功能，主要会用到它的语音识别（ASR）、语音合成（TTS），并结合大语言模型（如文心一言）来生成回复

目录：

1.流程和使用

2.ASR、TTS、千帆APP builer 注册和使用

3.各项成本

一、流程和使用

1.1  准备阶段    

注册百度智能云 ，创建应用  ， 配置认证信息  

1.2  核心功能    

语音识别 (ASR)    录制或读取音频 → 调用识别接口 → 获取文本    需注意音频格式（如wav）、采样率（16000Hz）18
文本处理与对话生成    将识别文本发送至大模型 → 获取回复文本    需调用大模型（如文心一言）的API2
语音合成 (TTS)    将回复文本 + 参数 → 调用合成接口 → 生成音频    可调整语速、音调、发音人等参数12

1.3  集成与交互    

流程串联与交互逻辑    将上述三个核心模块按顺序连接    可加入循环实现连续对话
音频播放    播放合成后的音频文件    可使用 pygame 等库4

1.4   优化与成本    

成本控制    关注语音识别/合成调用次数及大模型Token消耗    新人通常有免费额度2
体验优化    调整语音参数、处理网络异常、添加唤醒词等    提升应用可用性和用户体验

二、ASR、TTS、千帆APP builer 注册和使用

登录网址

https://login.bce.baidu.com/

语音识别、语音合成、千帆大模型需分别开通

2.1  语音识别注册和使用

选择开通付费，默认赠送10小时流量，不购买资源

实名认证后获取 API Key 和 Secret Key  

获得测试音频文件

进入示例代码中心进行调试

上传测试音频后实现效果

详细源码参考网址

开源 python 应用 开发（十一）AI应用--百度智能云ASR短语音转文本-优快云博客

2.2  语音合成注册和使用

进入实例中心

使用实例代码进行调试

详细源码参考网址

开源 python 应用 开发（十三）AI应用--百度智能云TTS语音合成-优快云博客

2.3  聊天模型的创建和使用

设置agent的名字和类型，并生成。

进行生成

简单调试

发布

官方的API代码调试

源码详细参考网址

开源 python 应用 开发（十一）AI应用--百度智能云ASR短语音转文本-优快云博客

三、成本介绍

3.1  语音识别价格

3.2  语音合成的价格

3.3  千帆AppBuiler的免费资源