1. 项目概述当电话亭开口说话“Talk to me: Phone booth”这个项目听起来就充满了复古与未来交织的浪漫感。它不是一个简单的旧物改造而是一次关于公共空间、人际连接与声音艺术的深度探索。在智能手机几乎成为人体器官延伸的今天我们习惯了指尖的滑动和屏幕的闪烁却逐渐遗忘了“声音”作为最原始、最直接交流媒介的魔力。这个项目的核心就是将一个几乎被时代遗忘的红色电话亭重新激活为一个可以“对话”的公共艺术装置。想象一下你路过街角看到一个熟悉的红色电话亭。走进去拿起听筒里面传来的可能不是拨号音而是一段陌生人的留言、一首即兴的诗、一个来自过去的故事或者它甚至会向你提出一个问题等待你的回答。这个电话亭不再是一个功能单一的通讯工具它变成了一个城市的声音信箱一个情感的树洞一个连接陌生人之间微妙共鸣的节点。它解决的不仅仅是怀旧更是现代都市生活中普遍存在的“附近的消失”与“深度交流的匮乏”。它适合所有对城市文化、公共艺术、交互设计以及人类情感连接感兴趣的创作者、社区活动家或者仅仅是一个好奇的路人。2. 核心设计思路从硬件到体验的全链路拆解要把一个废弃的电话亭变成能“对话”的智能体不能只靠情怀更需要一套清晰、可行的技术实现路径。整个项目的设计思路可以拆解为三个核心层次感知层、处理层与体验层。2.1 感知层让电话亭“听见”与“感知”这是项目与用户发生物理交互的第一触点。目标是精准、可靠地捕获用户的“对话”意图。拾音与触发机制这是最关键的一环。我们不能让装置一直处于录音状态那样会耗尽存储且毫无意义。最经典的方案是利用电话听筒的挂钩开关。传统电话听筒被拿起时会压下一个物理开关接通线路。我们可以改造这个开关将其作为一个高可靠的触发信号。当听筒被拿起开关闭合向主控板如树莓派或Arduino发送一个高电平信号从而唤醒整个系统。这种方式比声音触发如“嗨Siri”更稳定避免了环境噪音误触发也最符合用户对电话亭的心理预期——拿起听筒准备通话。音频输入硬件在听筒内部我们需要安装一个高质量的驻极体麦克风。选择时需注意信噪比和指向性。为了获得更清晰的人声可以选用心形指向的麦克风并做好物理隔震减少拿起/放下听筒时的碰撞噪音。麦克风的信号需要经过一个简单的运算放大器电路进行初步放大再送入主控板的音频输入接口。环境感知扩展可选但推荐为了创造更沉浸的体验可以增加一些传感器。例如在电话亭内部安装一个人体红外传感器PIR当检测到有人进入时可以控制一盏柔和的LED灯缓缓亮起营造出“欢迎光临”的氛围。或者安装一个光线传感器在夜晚自动调整内部照明亮度。这些细微的交互能极大提升装置的“生命感”。2.2 处理层大脑与记忆中枢这一层负责处理声音、生成回应、并管理所有的对话数据。主控单元选型树莓派4B/5是几乎完美的选择。它性能足够强大能流畅运行Python脚本和轻量级AI模型拥有丰富的GPIO接口连接传感器自带音频输入输出而且能连接网络。相比Arduino树莓派能本地处理更复杂的逻辑是项目的“大脑”。音频处理流程录音使用Python的sounddevice或pyaudio库在听筒触发后开始录音。可以设置一个最大录音时长如3分钟并在检测到长时间静音后自动停止以节省资源。降噪与增强录制的声音可能包含街道噪音。可以使用noisereduce这样的Python库进行简单的频谱降噪。更进阶的做法是录制一段电话亭内的环境噪音作为样本进行针对性消除。语音识别STT将用户的语音转为文本。对于离线、低延迟的场景可以选用Vosk离线语音识别库它支持多种语言模型小巧在树莓派上运行良好。如果网络条件允许且需要更高精度可以调用在线API如科大讯飞、Azure Speech Services的免费额度但需考虑网络稳定性和隐私问题。对话逻辑与内容生成这是项目的灵魂有几种实现路径预设音频库最简单预先录制好几十段音频故事、诗歌、问题、音乐片段当用户拿起听筒时随机播放一段。或者设计成“故事线”模式根据用户上次的“选择”通过按键或语音播放不同的下一段。关键词触发式对识别出的文本进行简单的关键词匹配。如果用户说“今天心情不好”则播放一段舒缓的音乐或鼓励的话如果说“讲个故事”则从故事库中随机选取。AI对话引擎高阶这是实现“真正对话”的关键。可以在树莓派上部署一个轻量级的开源大语言模型LLM例如Phi-2、TinyLlama或Qwen1.5-1.8B并使用Ollama或llama.cpp进行本地化部署和推理。将用户语音识别后的文本输入给LLM让它生成富有同理心和创意的文本回复再通过TTS播放出来。这能带来独一无二、不可预测的对话体验。语音合成TTS将系统生成的文本回复转化为语音。离线方案可以选择espeak声音机械但轻量或Piper质量更高更自然。在线方案则可以选择微软、谷歌的TTS服务音质更优。数据存储与记忆如果希望电话亭能有“记忆”记得之前的对话者可以设计一个匿名化的对话日志系统。将每次对话的文本去除任何个人身份信息和生成的回应用一个时间戳保存到本地SQLite数据库或简单的文本文件中。甚至可以设计一种机制让当前用户听到上一位用户留下的“一句话”经过审核形成跨越时间的接力对话。2.3 体验层营造沉浸式的对话氛围硬件和软件是骨架体验设计才是血肉。声学设计电话亭本身是一个相对封闭的金属/玻璃空间容易产生回声。需要在内部粘贴一些吸音海绵尤其是在麦克风附近以提升录音质量。扬声器的位置也很讲究最好安装在听筒的耳承部分模拟真实电话听感或者安装在亭内顶部营造环绕感。灯光与视觉反馈灯光是情绪的放大器。可以在听筒拿起时让电话亭的顶部灯光或内部灯带变为柔和的暖黄色表示“正在聆听”当系统在思考或生成回复时灯光变为缓慢呼吸的蓝色播放回复时灯光保持稳定。这给予了用户即时的系统状态反馈。引导与提示在电话亭内部或窗口可以贴上一张富有设计感的“使用说明”不是冰冷的步骤而是一句诗或一个问题例如“拿起听筒说出你的秘密或倾听一个故事。” 在系统首次启动或长时间无人使用时听筒里可以播放一段简短的引导语音“你好我是一个会说话的电话亭。你可以对我诉说也可以静静聆听。”3. 硬件搭建与核心电路解析理论清晰后我们进入动手环节。硬件搭建是项目稳定的基石。3.1 核心物料清单电话亭本体可以在二手市场、复古商店或拆迁工地寻找。确保结构完好尤其是门和玻璃。红色英式K6电话亭最具标志性但其他款式也可。主控板树莓派4B 4GB/8GB 或树莓派5配一张32GB以上的高速Micro SD卡。音频模块USB声卡确保树莓派兼容或树莓派专用HAT音频扩展板以获得更好的输入输出质量。麦克风高灵敏度驻极体麦克风模块带模拟输出或USB接口的会议麦克风。扬声器一个小型的有源音箱或高质量的3.5mm接口桌面扬声器。功率不需要太大5W-10W足以充满电话亭空间。传感器微动开关用于听筒挂钩触发。人体红外传感器模块HC-SR501。光线传感器模块如BH1750。电源系统大容量移动电源20000mAh以上或直接接入市电需做好安全绝缘。5V/3A的USB电源适配器为树莓派供电。一个多口USB充电器为其他模块供电。连接线材杜邦线公对公、公对母、音频线、电源线等。其他工具电烙铁、焊锡、热熔胶枪、螺丝刀套装、绝缘胶布、吸音棉。3.2 核心电路连接详解这里重点讲解最关键的“听筒触发电路”和“音频回路”。听筒触发电路电话亭原有的听筒挂钩下通常是一个机械开关。我们将其两条引线引出连接到树莓派的某个GPIO引脚例如GPIO17和GND之间。在树莓派上将该引脚设置为上拉输入模式。当听筒放下时开关断开GPIO引脚通过内部上拉电阻读到高电平1。当听筒被拿起开关闭合引脚直接连接到GND读到低电平0。我们只需要在Python脚本中持续检测这个引脚的电平变化一旦从高变低就触发录音程序。注意务必在GPIO引脚和开关之间串联一个约330欧姆的电阻作为限流保护防止意外短路损坏树莓派。这是硬件操作中必须遵守的安全准则。音频连接方案一简单使用一个USB声卡将麦克风插入声卡的麦克风输入孔将扬声器插入声卡的音频输出孔。树莓派通过USB识别该声卡为默认音频设备。 方案二质量更优使用树莓派专用的I2S音频HAT如HiFiBerry DAC ADC它能提供比板载音频或普通USB声卡好得多的音质。麦克风连接到HAT的输入端子扬声器连接到输出端子。传感器连接PIR传感器和光线传感器通常都有数字或I2C接口按照模块说明连接到树莓派的对应GPIO或I2C引脚即可。例如HC-SR501输出数字信号接GPIOBH1750是I2C设备接SDA和SCL。3.3 供电与布线的实战心得供电隔离数字电路树莓派、传感器和音频放大电路如果使用独立功放最好由不同的电源或不同的USB口供电避免扬声器大音量时产生的电流噪声通过电源串入音频系统导致“滋滋”的底噪。走线整洁电话亭内部空间有限。使用扎带和线槽将所有线材整理固定避免缠绕。特别是连接到可活动部件如听筒的线要留出足够的余量并做好应力保护防止反复弯折导致内部断裂。散热考虑树莓派在持续进行音频处理和AI推理时会产生热量。确保其放置在通风处可以加装一个小型散热风扇或散热片避免因过热降频导致系统卡顿。防潮与安全如果电话亭将放置在户外或半户外必须做好防水防潮处理。所有电路板接口和接线处可以用热熔胶或绝缘胶进行密封。电源部分必须严格绝缘最好使用防水接线盒。安全永远是第一位的。4. 软件架构与核心代码实现硬件是躯体软件是灵魂。我们将构建一个模块化、易于维护的Python应用程序。4.1 项目目录结构与依赖首先创建项目目录并安装核心依赖包。# 创建项目目录 mkdir talking_phone_booth cd talking_phone_booth # 创建虚拟环境推荐 python -m venv venv source venv/bin/activate # Linux/macOS # venv\Scripts\activate # Windows # 安装核心依赖 pip install sounddevice numpy scipy # 音频录制与处理 pip install vosk # 离线语音识别 pip install openai-whisper # 备用高精度语音识别需要一定性能 pip install pyttsx3 # 离线TTS # 如果使用Piper TTS需要从其GitHub仓库安装 # 如果使用Ollama运行本地LLM需要单独安装Ollama并拉取模型 pip install RPi.GPIO # 控制树莓派GPIO仅在树莓派上需要 pip install sqlite3 # 内置于Python标准库用于数据存储4.2 核心模块代码解析我们创建几个核心的Python模块文件。main.py- 主程序入口这是整个系统的调度中心负责监听触发事件、协调各个模块工作。#!/usr/bin/env python3 import time import threading from gpio_listener import GpioListener from audio_recorder import AudioRecorder from speech_processor import SpeechProcessor from dialogue_engine import DialogueEngine from tts_engine import TTSEngine import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(name)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) class TalkingBooth: def __init__(self): logger.info(初始化会说话的电话亭系统...) self.gpio_listener GpioListener(callbackself.on_handset_lifted) self.audio_recorder AudioRecorder() self.speech_processor SpeechProcessor() self.dialogue_engine DialogueEngine() self.tts_engine TTSEngine() self.is_processing False def on_handset_lifted(self): 当听筒被拿起时的回调函数 if self.is_processing: logger.warning(系统正忙忽略此次触发。) return self.is_processing True logger.info(检测到听筒被拿起开始对话流程。) # 在一个新线程中处理避免阻塞GPIO监听 thread threading.Thread(targetself.conversation_flow) thread.start() def conversation_flow(self): 完整的对话流程 try: # 1. 播放欢迎音或等待提示音 self.tts_engine.play(welcome.wav) # 播放预录的欢迎音 # 2. 录制用户语音 logger.info(开始录音...) audio_data, sample_rate self.audio_recorder.record(duration30) # 最长30秒 if audio_data is None: logger.error(录音失败。) self.end_conversation() return # 3. 语音识别 logger.info(进行语音识别...) user_text self.speech_processor.recognize(audio_data, sample_rate) if not user_text: user_text [未能识别语音] logger.info(f识别结果: {user_text}) # 4. 生成回复 logger.info(生成对话回复...) reply_text self.dialogue_engine.generate_reply(user_text) logger.info(f系统回复: {reply_text}) # 5. 语音合成并播放 logger.info(合成并播放语音...) self.tts_engine.speak(reply_text) # 6. 可选记录本次对话 self.dialogue_engine.log_conversation(user_text, reply_text) except Exception as e: logger.error(f对话流程出错: {e}) finally: self.end_conversation() def end_conversation(self): 结束对话重置状态 time.sleep(1) # 给用户一点反应时间 logger.info(本次对话结束等待下一次触发。) self.is_processing False def run(self): 启动系统 logger.info(系统启动等待听筒被拿起...) self.gpio_listener.start_listening() try: while True: time.sleep(0.1) except KeyboardInterrupt: logger.info(收到中断信号关闭系统。) self.gpio_listener.cleanup() if __name__ __main__: booth TalkingBooth() booth.run()gpio_listener.py- GPIO监听模块负责检测听筒挂钩开关的状态变化。import RPi.GPIO as GPIO import time import logging logger logging.getLogger(__name__) class GpioListener: def __init__(self, pin17, callbackNone): self.pin pin self.callback callback self.setup_gpio() def setup_gpio(self): GPIO.setmode(GPIO.BCM) GPIO.setup(self.pin, GPIO.IN, pull_up_downGPIO.PUD_UP) # 启用内部上拉电阻 logger.info(fGPIO {self.pin} 已初始化为上拉输入模式用于监听听筒状态。) def handset_lifted_callback(self, channel): GPIO中断回调函数 # 消除抖动 time.sleep(0.05) if GPIO.input(self.pin) GPIO.LOW: # 确认是低电平被拿起 logger.debug(检测到听筒拿起下降沿触发。) if self.callback: self.callback() def start_listening(self): 开始监听GPIO变化 # 添加下降沿检测当引脚从高电平变为低电平时触发 GPIO.add_event_detect(self.pin, GPIO.FALLING, callbackself.handset_lifted_callback, bouncetime300) logger.info(GPIO监听已启动。) def cleanup(self): GPIO.cleanup(self.pin) logger.info(GPIO资源已清理。)speech_processor.py- 语音处理模块整合录音、降噪和语音识别功能。import sounddevice as sd import numpy as np import scipy.signal as sp import noisereduce as nr import json from vosk import Model, KaldiRecognizer import logging logger logging.getLogger(__name__) class SpeechProcessor: def __init__(self, model_pathvosk-model-small-en-us-0.15): # 初始化Vosk语音识别模型需提前下载模型文件 try: self.model Model(model_path) self.recognizer KaldiRecognizer(self.model, 16000) logger.info(fVosk模型 {model_path} 加载成功。) except Exception as e: logger.error(f加载Vosk模型失败: {e}. 请确保模型路径正确。) self.model None self.recognizer None def record(self, duration30, sample_rate16000): 录制音频 logger.info(f开始录制{duration}秒音频...) try: audio_data sd.rec(int(duration * sample_rate), sampleratesample_rate, channels1, dtypefloat32) sd.wait() # 等待录制完成 logger.info(录音完成。) return audio_data.flatten(), sample_rate except Exception as e: logger.error(f录音失败: {e}) return None, sample_rate def reduce_noise(self, audio_data, sample_rate, noise_duration0.5): 使用noisereduce库进行降噪 # 假设录音的前 noise_duration 秒是环境噪音 noise_sample_len int(noise_duration * sample_rate) if len(audio_data) noise_sample_len: noise_clip audio_data[:noise_sample_len] reduced_noise nr.reduce_noise(yaudio_data, srsample_rate, y_noisenoise_clip, prop_decrease0.9) logger.debug(音频降噪处理完成。) return reduced_noise else: return audio_data def recognize(self, audio_data, sample_rate): 使用Vosk进行语音识别 if self.recognizer is None: return 语音识别引擎未就绪。 # 确保音频数据是16kHz16位整型Vosk所需格式 audio_data_int16 (audio_data * 32767).astype(np.int16) # 识别 if self.recognizer.AcceptWaveform(audio_data_int16.tobytes()): result json.loads(self.recognizer.Result()) text result.get(text, ) else: partial_result json.loads(self.recognizer.PartialResult()) text partial_result.get(partial, ) logger.info(f识别文本: {text}) return text if text else [静音或无法识别]dialogue_engine.py- 对话引擎模块这是项目的智能核心决定如何回复用户。import random import sqlite3 from datetime import datetime import logging logger logging.getLogger(__name__) class DialogueEngine: def __init__(self, db_pathconversations.db): self.db_path db_path self.init_database() # 预设回复库 - 可以根据关键词或情绪扩展 self.preset_responses [ 我听到了你的声音这真美妙。, 这座城市里充满了故事而你的声音是其中之一。, 有时沉默也是一种回答。你今天想分享些什么呢, 我是一个来自过去的回声却想倾听你的现在。, 试试对我说一个秘密我会把它变成一阵风。, ] # 简单关键词-回复映射 self.keyword_responses { hello: [你好呀陌生人。, 嗨很高兴‘听’到你。], story: [从前有个电话亭它学会了倾听..., 你想听一个关于月亮的故事吗], sad: [我听见了雨声。没关系有时悲伤也需要被听见。, 送你一片虚拟的阳光希望能照亮你的角落。], love: [爱是世界上最古老的通讯方式无需信号。, 心有回响爱有回声。], } def init_database(self): 初始化SQLite数据库用于记录对话可选 conn sqlite3.connect(self.db_path) c conn.cursor() c.execute(CREATE TABLE IF NOT EXISTS conversations (id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp TEXT, user_input TEXT, system_response TEXT)) conn.commit() conn.close() logger.info(对话数据库初始化完成。) def generate_reply(self, user_input): 根据用户输入生成回复文本 user_input_lower user_input.lower() # 1. 检查是否为问候或简单指令 for keyword, responses in self.keyword_responses.items(): if keyword in user_input_lower: logger.debug(f触发关键词 {keyword}) return random.choice(responses) # 2. 检查是否为空或无法识别 if not user_input or user_input [未能识别语音] or len(user_input.strip()) 2: return random.choice([我在这里。, 你可以说点什么。, ……]) # 3. 默认回复从预设库随机选择或尝试构建一个简单的关联回复 # 这里可以替换为调用本地LLM的逻辑 # 例如return self._ask_llm(user_input) return self._generate_with_llm_fallback(user_input) def _generate_with_llm_fallback(self, user_input): 一个简单的回复生成逻辑可替换为真正的LLM调用 # 这是一个非常基础的示例提取用户输入中的最后一个词并围绕它构造回复 words user_input.strip().split() if words: last_word words[-1].rstrip(.,!?) possible_replies [ f你提到了‘{last_word}’这让我想起..., f关于‘{last_word}’每个路过的人都有不同的看法。, f‘{last_word}’是一个很好的词。, ] return random.choice(possible_replies) else: return random.choice(self.preset_responses) # 未来扩展集成Ollama调用本地LLM # def _ask_llm(self, user_input): # import requests # try: # response requests.post(http://localhost:11434/api/generate, # json{model: tinyllama, # prompt: fYou are a poetic, philosophical telephone booth. Respond briefly and thoughtfully to this: {user_input}, # stream: False}) # return response.json()[response].strip() # except Exception as e: # logger.error(fLLM调用失败: {e}) # return random.choice(self.preset_responses) def log_conversation(self, user_input, system_response): 将对话记录到数据库 try: conn sqlite3.connect(self.db_path) c conn.cursor() timestamp datetime.now().isoformat() # 注意在实际部署中应对user_input进行严格的匿名化清洗避免记录任何个人信息。 cleaned_input user_input[:500] # 简单截断生产环境需更复杂的处理 c.execute(INSERT INTO conversations (timestamp, user_input, system_response) VALUES (?, ?, ?), (timestamp, cleaned_input, system_response)) conn.commit() conn.close() logger.debug(对话已记录到数据库。) except Exception as e: logger.error(f记录对话失败: {e})tts_engine.py- 语音合成模块负责将文本转化为语音并播放。import pyttsx3 import subprocess import os import logging logger logging.getLogger(__name__) class TTSEngine: def __init__(self, use_piperFalse, piper_model_pathNone): self.use_piper use_piper self.piper_model_path piper_model_path if not use_piper: self.init_pyttsx3() def init_pyttsx3(self): 初始化pyttsx3离线TTS引擎 try: self.engine pyttsx3.init() # 设置语速和音量 self.engine.setProperty(rate, 150) self.engine.setProperty(volume, 0.9) voices self.engine.getProperty(voices) # 尝试选择一个听起来更自然的语音如果有的话 for voice in voices: if english in voice.name.lower(): self.engine.setProperty(voice, voice.id) break logger.info(pyttsx3 TTS引擎初始化成功。) except Exception as e: logger.error(f初始化pyttsx3失败: {e}) self.engine None def speak(self, text): 合成并播放语音 if not text: return logger.info(fTTS合成: {text}) if self.use_piper and self.piper_model_path: self._speak_with_piper(text) elif self.engine: self._speak_with_pyttsx3(text) else: logger.error(没有可用的TTS引擎。) # 可以在这里播放一个备用的提示音 def _speak_with_pyttsx3(self, text): 使用pyttsx3播放 try: self.engine.say(text) self.engine.runAndWait() except Exception as e: logger.error(fpyttsx3播放失败: {e}) def _speak_with_piper(self, text): 使用Piper TTS播放更高质量需要额外安装 # 假设Piper已安装并且模型文件可用 # 命令示例echo \Your text\ | piper --model model.onnx --output-raw | aplay -r 22050 -f S16_LE -t raw - try: cmd fecho {text} | piper --model {self.piper_model_path} --output-raw | aplay -r 22050 -f S16_LE -t raw - 2/dev/null subprocess.run(cmd, shellTrue, checkTrue) except Exception as e: logger.error(fPiper TTS播放失败: {e}) # 降级到pyttsx3 if self.engine: self._speak_with_pyttsx3(text) def play(self, audio_file_path): 播放一个预录的音频文件如欢迎音 if os.path.exists(audio_file_path): try: subprocess.run([aplay, audio_file_path], checkFalse) # Linux # 对于macOS: subprocess.run([afplay, audio_file_path]) # 对于Windows: subprocess.run([start, audio_file_path], shellTrue) except Exception as e: logger.error(f播放音频文件失败: {e})4.3 系统配置与自启动为了让项目在树莓派上电后自动运行我们需要配置系统服务。创建系统服务文件sudo nano /etc/systemd/system/talking-booth.service写入以下内容根据你的实际路径修改[Unit] DescriptionTalking Phone Booth Service Afternetwork.target sound.target [Service] Typesimple Userpi WorkingDirectory/home/pi/talking_phone_booth EnvironmentPATH/home/pi/talking_phone_booth/venv/bin ExecStart/home/pi/talking_phone_booth/venv/bin/python /home/pi/talking_phone_booth/main.py Restarton-failure RestartSec10 [Install] WantedBymulti-user.target启用并启动服务sudo systemctl daemon-reload sudo systemctl enable talking-booth.service sudo systemctl start talking-booth.service # 检查状态 sudo systemctl status talking-booth.service # 查看日志 sudo journalctl -u talking-booth.service -f5. 部署、调试与问题排查实录将代码部署到电话亭内的树莓派上才是真正的挑战开始。以下是实战中积累的经验和常见问题。5.1 现场部署流程系统烧录与基础配置使用Raspberry Pi Imager将Raspbian Lite系统烧录到SD卡并预先配置好Wi-Fi和国家设置。首次启动后通过SSH连接进行后续操作。环境搭建在树莓派上重复上述的Python虚拟环境和依赖安装步骤。特别注意一些音频库如portaudio可能需要额外安装系统包sudo apt install portaudio19-dev python3-dev。硬件连接检查在通电前用万用表通断档检查所有接线确保没有短路。特别是GPIO引脚确认上拉电阻已正确连接。音频设备配置运行arecord -l和aplay -l列出音频设备。在/home/pi/.asoundrc文件中设置默认的录音和播放设备指向你的USB声卡或HAT。权限问题确保运行服务的用户如pi有权限访问音频设备。通常需要将其加入audio组sudo usermod -a -G audio pi。功耗与稳定性测试连接好所有设备上电后持续运行压力测试脚本如连续进行录音-识别-播放循环观察树莓派温度vcgencmd measure_temp和系统是否稳定运行数小时。5.2 常见问题与解决方案速查表问题现象可能原因排查步骤与解决方案拿起听筒无反应1. GPIO引脚配置错误。2. 微动开关接触不良或接线松动。3. 主程序未运行或崩溃。1. 运行python -c “import RPi.GPIO as GPIO; GPIO.setmode(GPIO.BCM); GPIO.setup(17, GPIO.IN); print(GPIO.input(17))”拿起/放下听筒观察值是否变化1-0。2. 用万用表检查开关通断。3. 检查服务状态sudo systemctl status talking-booth和日志journalctl -u talking-booth -f。录音全是噪音或无声1. 默认音频设备错误。2. 麦克风损坏或增益过低。3. 录音采样率与识别模型不匹配。1. 确认arecord -l并正确设置.asoundrc。2. 用arecord -D hw:1,0 -f cd test.wav设备号根据实际情况改直接测试录音。3. Vosk模型通常需要16kHz单声道确保AudioRecorder中sample_rate16000。语音识别率极低1. 环境噪音过大。2. 麦克风音质差或距离嘴太远。3. 模型语言不匹配。1. 加强电话亭内部隔音优化降噪算法参数prop_decrease。2. 确保麦克风正对用户并尝试在代码中增加音频增益。3. 下载与目标语言对应的Vosk模型如中文模型。TTS播放有爆音或断断续续1. 树莓派CPU占用过高音频缓冲区欠载。2. 扬声器或功放电源功率不足。3. 多个音频进程冲突。1. 使用htop查看CPU占用优化代码如将LLM推理放在独立线程。考虑使用性能更强的树莓派5。2. 为音频功放提供独立电源。3. 确保在播放前停止所有其他播放进程。系统运行一段时间后卡死1. 内存泄漏。2. SD卡读写错误特别是频繁写日志。3. 过热降频。1. 检查Python代码确保在循环中正确释放资源如关闭数据库连接。2. 将日志写入到内存文件系统/tmp或减少日志频率。使用高质量、高耐久度的工业级SD卡。3. 改善散热加装风扇。LLM如果使用响应慢1. 模型太大树莓派算力不足。2. Ollama服务未启动或内存不足。1. 选择更小的模型如Phi-2, TinyLlama。考虑使用量化版本q4_k_m。2. 增加树莓派交换空间sudo dphys-swapfile swapoff sudo nano /etc/dphys-swapfile修改CONF_SWAPSIZE2048然后重启服务。5.3 提升体验的进阶技巧状态指示灯除了灯光可以在电话亭外增加一个小型LCD屏或LED点阵显示简单的状态文字如“Listening...”、“Thinking...”、“Speaking...”让交互更透明。对话记忆与延续在DialogueEngine中为每个会话创建一个简单的ID如基于时间戳的哈希并在数据库中将同一会话的多次交互关联起来。这样当用户短时间内再次拿起听筒系统可以接着说“我们刚才聊到了...”。远程管理与监控使用Telegram Bot或Flask搭建一个简单的Web后台让你能远程查看电话亭的对话日志、系统状态CPU温度、内存使用率甚至远程更新回复词库或重启服务。内容众筹开放一个简单的网页表单让公众可以提交他们希望电话亭“说出”的句子或故事经过审核后自动加入系统的回复库让这个装置真正成为社区共创的作品。电力续航如果使用移动电源可以接入一个USB电压电流检测模块并通过树莓派读取其电量。当电量低于20%时让电话亭在对话结束时播报“我的能量即将耗尽需要休息充电了。”并在完全关机前自动安全地关闭树莓派系统。这个“会说话的电话亭”项目从技术上看是传感器、嵌入式系统、音频处理和AI的集合体但从体验上看它是一次对公共空间诗意化的尝试。最难的部分往往不是代码调试而是在街头巷尾部署时应对潮湿、温差、电源不稳定以及人们无意中的好奇触碰。每一次成功的对话都像是给这座冰冷的城市机器注入了一小段温暖的代码。当你听到第一个路人对着听筒惊讶地笑出声时你会觉得所有的折腾都值了。最后一个小建议在正式放置前不妨先邀请朋友或邻居来一次小范围的测试他们的真实反馈是优化体验最宝贵的资源。 基于树莓派的智能交互装置：从硬件搭建到AI对话引擎实现
1. 项目概述当电话亭开口说话“Talk to me: Phone booth”这个项目听起来就充满了复古与未来交织的浪漫感。它不是一个简单的旧物改造而是一次关于公共空间、人际连接与声音艺术的深度探索。在智能手机几乎成为人体器官延伸的今天我们习惯了指尖的滑动和屏幕的闪烁却逐渐遗忘了“声音”作为最原始、最直接交流媒介的魔力。这个项目的核心就是将一个几乎被时代遗忘的红色电话亭重新激活为一个可以“对话”的公共艺术装置。想象一下你路过街角看到一个熟悉的红色电话亭。走进去拿起听筒里面传来的可能不是拨号音而是一段陌生人的留言、一首即兴的诗、一个来自过去的故事或者它甚至会向你提出一个问题等待你的回答。这个电话亭不再是一个功能单一的通讯工具它变成了一个城市的声音信箱一个情感的树洞一个连接陌生人之间微妙共鸣的节点。它解决的不仅仅是怀旧更是现代都市生活中普遍存在的“附近的消失”与“深度交流的匮乏”。它适合所有对城市文化、公共艺术、交互设计以及人类情感连接感兴趣的创作者、社区活动家或者仅仅是一个好奇的路人。2. 核心设计思路从硬件到体验的全链路拆解要把一个废弃的电话亭变成能“对话”的智能体不能只靠情怀更需要一套清晰、可行的技术实现路径。整个项目的设计思路可以拆解为三个核心层次感知层、处理层与体验层。2.1 感知层让电话亭“听见”与“感知”这是项目与用户发生物理交互的第一触点。目标是精准、可靠地捕获用户的“对话”意图。拾音与触发机制这是最关键的一环。我们不能让装置一直处于录音状态那样会耗尽存储且毫无意义。最经典的方案是利用电话听筒的挂钩开关。传统电话听筒被拿起时会压下一个物理开关接通线路。我们可以改造这个开关将其作为一个高可靠的触发信号。当听筒被拿起开关闭合向主控板如树莓派或Arduino发送一个高电平信号从而唤醒整个系统。这种方式比声音触发如“嗨Siri”更稳定避免了环境噪音误触发也最符合用户对电话亭的心理预期——拿起听筒准备通话。音频输入硬件在听筒内部我们需要安装一个高质量的驻极体麦克风。选择时需注意信噪比和指向性。为了获得更清晰的人声可以选用心形指向的麦克风并做好物理隔震减少拿起/放下听筒时的碰撞噪音。麦克风的信号需要经过一个简单的运算放大器电路进行初步放大再送入主控板的音频输入接口。环境感知扩展可选但推荐为了创造更沉浸的体验可以增加一些传感器。例如在电话亭内部安装一个人体红外传感器PIR当检测到有人进入时可以控制一盏柔和的LED灯缓缓亮起营造出“欢迎光临”的氛围。或者安装一个光线传感器在夜晚自动调整内部照明亮度。这些细微的交互能极大提升装置的“生命感”。2.2 处理层大脑与记忆中枢这一层负责处理声音、生成回应、并管理所有的对话数据。主控单元选型树莓派4B/5是几乎完美的选择。它性能足够强大能流畅运行Python脚本和轻量级AI模型拥有丰富的GPIO接口连接传感器自带音频输入输出而且能连接网络。相比Arduino树莓派能本地处理更复杂的逻辑是项目的“大脑”。音频处理流程录音使用Python的sounddevice或pyaudio库在听筒触发后开始录音。可以设置一个最大录音时长如3分钟并在检测到长时间静音后自动停止以节省资源。降噪与增强录制的声音可能包含街道噪音。可以使用noisereduce这样的Python库进行简单的频谱降噪。更进阶的做法是录制一段电话亭内的环境噪音作为样本进行针对性消除。语音识别STT将用户的语音转为文本。对于离线、低延迟的场景可以选用Vosk离线语音识别库它支持多种语言模型小巧在树莓派上运行良好。如果网络条件允许且需要更高精度可以调用在线API如科大讯飞、Azure Speech Services的免费额度但需考虑网络稳定性和隐私问题。对话逻辑与内容生成这是项目的灵魂有几种实现路径预设音频库最简单预先录制好几十段音频故事、诗歌、问题、音乐片段当用户拿起听筒时随机播放一段。或者设计成“故事线”模式根据用户上次的“选择”通过按键或语音播放不同的下一段。关键词触发式对识别出的文本进行简单的关键词匹配。如果用户说“今天心情不好”则播放一段舒缓的音乐或鼓励的话如果说“讲个故事”则从故事库中随机选取。AI对话引擎高阶这是实现“真正对话”的关键。可以在树莓派上部署一个轻量级的开源大语言模型LLM例如Phi-2、TinyLlama或Qwen1.5-1.8B并使用Ollama或llama.cpp进行本地化部署和推理。将用户语音识别后的文本输入给LLM让它生成富有同理心和创意的文本回复再通过TTS播放出来。这能带来独一无二、不可预测的对话体验。语音合成TTS将系统生成的文本回复转化为语音。离线方案可以选择espeak声音机械但轻量或Piper质量更高更自然。在线方案则可以选择微软、谷歌的TTS服务音质更优。数据存储与记忆如果希望电话亭能有“记忆”记得之前的对话者可以设计一个匿名化的对话日志系统。将每次对话的文本去除任何个人身份信息和生成的回应用一个时间戳保存到本地SQLite数据库或简单的文本文件中。甚至可以设计一种机制让当前用户听到上一位用户留下的“一句话”经过审核形成跨越时间的接力对话。2.3 体验层营造沉浸式的对话氛围硬件和软件是骨架体验设计才是血肉。声学设计电话亭本身是一个相对封闭的金属/玻璃空间容易产生回声。需要在内部粘贴一些吸音海绵尤其是在麦克风附近以提升录音质量。扬声器的位置也很讲究最好安装在听筒的耳承部分模拟真实电话听感或者安装在亭内顶部营造环绕感。灯光与视觉反馈灯光是情绪的放大器。可以在听筒拿起时让电话亭的顶部灯光或内部灯带变为柔和的暖黄色表示“正在聆听”当系统在思考或生成回复时灯光变为缓慢呼吸的蓝色播放回复时灯光保持稳定。这给予了用户即时的系统状态反馈。引导与提示在电话亭内部或窗口可以贴上一张富有设计感的“使用说明”不是冰冷的步骤而是一句诗或一个问题例如“拿起听筒说出你的秘密或倾听一个故事。” 在系统首次启动或长时间无人使用时听筒里可以播放一段简短的引导语音“你好我是一个会说话的电话亭。你可以对我诉说也可以静静聆听。”3. 硬件搭建与核心电路解析理论清晰后我们进入动手环节。硬件搭建是项目稳定的基石。3.1 核心物料清单电话亭本体可以在二手市场、复古商店或拆迁工地寻找。确保结构完好尤其是门和玻璃。红色英式K6电话亭最具标志性但其他款式也可。主控板树莓派4B 4GB/8GB 或树莓派5配一张32GB以上的高速Micro SD卡。音频模块USB声卡确保树莓派兼容或树莓派专用HAT音频扩展板以获得更好的输入输出质量。麦克风高灵敏度驻极体麦克风模块带模拟输出或USB接口的会议麦克风。扬声器一个小型的有源音箱或高质量的3.5mm接口桌面扬声器。功率不需要太大5W-10W足以充满电话亭空间。传感器微动开关用于听筒挂钩触发。人体红外传感器模块HC-SR501。光线传感器模块如BH1750。电源系统大容量移动电源20000mAh以上或直接接入市电需做好安全绝缘。5V/3A的USB电源适配器为树莓派供电。一个多口USB充电器为其他模块供电。连接线材杜邦线公对公、公对母、音频线、电源线等。其他工具电烙铁、焊锡、热熔胶枪、螺丝刀套装、绝缘胶布、吸音棉。3.2 核心电路连接详解这里重点讲解最关键的“听筒触发电路”和“音频回路”。听筒触发电路电话亭原有的听筒挂钩下通常是一个机械开关。我们将其两条引线引出连接到树莓派的某个GPIO引脚例如GPIO17和GND之间。在树莓派上将该引脚设置为上拉输入模式。当听筒放下时开关断开GPIO引脚通过内部上拉电阻读到高电平1。当听筒被拿起开关闭合引脚直接连接到GND读到低电平0。我们只需要在Python脚本中持续检测这个引脚的电平变化一旦从高变低就触发录音程序。注意务必在GPIO引脚和开关之间串联一个约330欧姆的电阻作为限流保护防止意外短路损坏树莓派。这是硬件操作中必须遵守的安全准则。音频连接方案一简单使用一个USB声卡将麦克风插入声卡的麦克风输入孔将扬声器插入声卡的音频输出孔。树莓派通过USB识别该声卡为默认音频设备。 方案二质量更优使用树莓派专用的I2S音频HAT如HiFiBerry DAC ADC它能提供比板载音频或普通USB声卡好得多的音质。麦克风连接到HAT的输入端子扬声器连接到输出端子。传感器连接PIR传感器和光线传感器通常都有数字或I2C接口按照模块说明连接到树莓派的对应GPIO或I2C引脚即可。例如HC-SR501输出数字信号接GPIOBH1750是I2C设备接SDA和SCL。3.3 供电与布线的实战心得供电隔离数字电路树莓派、传感器和音频放大电路如果使用独立功放最好由不同的电源或不同的USB口供电避免扬声器大音量时产生的电流噪声通过电源串入音频系统导致“滋滋”的底噪。走线整洁电话亭内部空间有限。使用扎带和线槽将所有线材整理固定避免缠绕。特别是连接到可活动部件如听筒的线要留出足够的余量并做好应力保护防止反复弯折导致内部断裂。散热考虑树莓派在持续进行音频处理和AI推理时会产生热量。确保其放置在通风处可以加装一个小型散热风扇或散热片避免因过热降频导致系统卡顿。防潮与安全如果电话亭将放置在户外或半户外必须做好防水防潮处理。所有电路板接口和接线处可以用热熔胶或绝缘胶进行密封。电源部分必须严格绝缘最好使用防水接线盒。安全永远是第一位的。4. 软件架构与核心代码实现硬件是躯体软件是灵魂。我们将构建一个模块化、易于维护的Python应用程序。4.1 项目目录结构与依赖首先创建项目目录并安装核心依赖包。# 创建项目目录 mkdir talking_phone_booth cd talking_phone_booth # 创建虚拟环境推荐 python -m venv venv source venv/bin/activate # Linux/macOS # venv\Scripts\activate # Windows # 安装核心依赖 pip install sounddevice numpy scipy # 音频录制与处理 pip install vosk # 离线语音识别 pip install openai-whisper # 备用高精度语音识别需要一定性能 pip install pyttsx3 # 离线TTS # 如果使用Piper TTS需要从其GitHub仓库安装 # 如果使用Ollama运行本地LLM需要单独安装Ollama并拉取模型 pip install RPi.GPIO # 控制树莓派GPIO仅在树莓派上需要 pip install sqlite3 # 内置于Python标准库用于数据存储4.2 核心模块代码解析我们创建几个核心的Python模块文件。main.py- 主程序入口这是整个系统的调度中心负责监听触发事件、协调各个模块工作。#!/usr/bin/env python3 import time import threading from gpio_listener import GpioListener from audio_recorder import AudioRecorder from speech_processor import SpeechProcessor from dialogue_engine import DialogueEngine from tts_engine import TTSEngine import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(name)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) class TalkingBooth: def __init__(self): logger.info(初始化会说话的电话亭系统...) self.gpio_listener GpioListener(callbackself.on_handset_lifted) self.audio_recorder AudioRecorder() self.speech_processor SpeechProcessor() self.dialogue_engine DialogueEngine() self.tts_engine TTSEngine() self.is_processing False def on_handset_lifted(self): 当听筒被拿起时的回调函数 if self.is_processing: logger.warning(系统正忙忽略此次触发。) return self.is_processing True logger.info(检测到听筒被拿起开始对话流程。) # 在一个新线程中处理避免阻塞GPIO监听 thread threading.Thread(targetself.conversation_flow) thread.start() def conversation_flow(self): 完整的对话流程 try: # 1. 播放欢迎音或等待提示音 self.tts_engine.play(welcome.wav) # 播放预录的欢迎音 # 2. 录制用户语音 logger.info(开始录音...) audio_data, sample_rate self.audio_recorder.record(duration30) # 最长30秒 if audio_data is None: logger.error(录音失败。) self.end_conversation() return # 3. 语音识别 logger.info(进行语音识别...) user_text self.speech_processor.recognize(audio_data, sample_rate) if not user_text: user_text [未能识别语音] logger.info(f识别结果: {user_text}) # 4. 生成回复 logger.info(生成对话回复...) reply_text self.dialogue_engine.generate_reply(user_text) logger.info(f系统回复: {reply_text}) # 5. 语音合成并播放 logger.info(合成并播放语音...) self.tts_engine.speak(reply_text) # 6. 可选记录本次对话 self.dialogue_engine.log_conversation(user_text, reply_text) except Exception as e: logger.error(f对话流程出错: {e}) finally: self.end_conversation() def end_conversation(self): 结束对话重置状态 time.sleep(1) # 给用户一点反应时间 logger.info(本次对话结束等待下一次触发。) self.is_processing False def run(self): 启动系统 logger.info(系统启动等待听筒被拿起...) self.gpio_listener.start_listening() try: while True: time.sleep(0.1) except KeyboardInterrupt: logger.info(收到中断信号关闭系统。) self.gpio_listener.cleanup() if __name__ __main__: booth TalkingBooth() booth.run()gpio_listener.py- GPIO监听模块负责检测听筒挂钩开关的状态变化。import RPi.GPIO as GPIO import time import logging logger logging.getLogger(__name__) class GpioListener: def __init__(self, pin17, callbackNone): self.pin pin self.callback callback self.setup_gpio() def setup_gpio(self): GPIO.setmode(GPIO.BCM) GPIO.setup(self.pin, GPIO.IN, pull_up_downGPIO.PUD_UP) # 启用内部上拉电阻 logger.info(fGPIO {self.pin} 已初始化为上拉输入模式用于监听听筒状态。) def handset_lifted_callback(self, channel): GPIO中断回调函数 # 消除抖动 time.sleep(0.05) if GPIO.input(self.pin) GPIO.LOW: # 确认是低电平被拿起 logger.debug(检测到听筒拿起下降沿触发。) if self.callback: self.callback() def start_listening(self): 开始监听GPIO变化 # 添加下降沿检测当引脚从高电平变为低电平时触发 GPIO.add_event_detect(self.pin, GPIO.FALLING, callbackself.handset_lifted_callback, bouncetime300) logger.info(GPIO监听已启动。) def cleanup(self): GPIO.cleanup(self.pin) logger.info(GPIO资源已清理。)speech_processor.py- 语音处理模块整合录音、降噪和语音识别功能。import sounddevice as sd import numpy as np import scipy.signal as sp import noisereduce as nr import json from vosk import Model, KaldiRecognizer import logging logger logging.getLogger(__name__) class SpeechProcessor: def __init__(self, model_pathvosk-model-small-en-us-0.15): # 初始化Vosk语音识别模型需提前下载模型文件 try: self.model Model(model_path) self.recognizer KaldiRecognizer(self.model, 16000) logger.info(fVosk模型 {model_path} 加载成功。) except Exception as e: logger.error(f加载Vosk模型失败: {e}. 请确保模型路径正确。) self.model None self.recognizer None def record(self, duration30, sample_rate16000): 录制音频 logger.info(f开始录制{duration}秒音频...) try: audio_data sd.rec(int(duration * sample_rate), sampleratesample_rate, channels1, dtypefloat32) sd.wait() # 等待录制完成 logger.info(录音完成。) return audio_data.flatten(), sample_rate except Exception as e: logger.error(f录音失败: {e}) return None, sample_rate def reduce_noise(self, audio_data, sample_rate, noise_duration0.5): 使用noisereduce库进行降噪 # 假设录音的前 noise_duration 秒是环境噪音 noise_sample_len int(noise_duration * sample_rate) if len(audio_data) noise_sample_len: noise_clip audio_data[:noise_sample_len] reduced_noise nr.reduce_noise(yaudio_data, srsample_rate, y_noisenoise_clip, prop_decrease0.9) logger.debug(音频降噪处理完成。) return reduced_noise else: return audio_data def recognize(self, audio_data, sample_rate): 使用Vosk进行语音识别 if self.recognizer is None: return 语音识别引擎未就绪。 # 确保音频数据是16kHz16位整型Vosk所需格式 audio_data_int16 (audio_data * 32767).astype(np.int16) # 识别 if self.recognizer.AcceptWaveform(audio_data_int16.tobytes()): result json.loads(self.recognizer.Result()) text result.get(text, ) else: partial_result json.loads(self.recognizer.PartialResult()) text partial_result.get(partial, ) logger.info(f识别文本: {text}) return text if text else [静音或无法识别]dialogue_engine.py- 对话引擎模块这是项目的智能核心决定如何回复用户。import random import sqlite3 from datetime import datetime import logging logger logging.getLogger(__name__) class DialogueEngine: def __init__(self, db_pathconversations.db): self.db_path db_path self.init_database() # 预设回复库 - 可以根据关键词或情绪扩展 self.preset_responses [ 我听到了你的声音这真美妙。, 这座城市里充满了故事而你的声音是其中之一。, 有时沉默也是一种回答。你今天想分享些什么呢, 我是一个来自过去的回声却想倾听你的现在。, 试试对我说一个秘密我会把它变成一阵风。, ] # 简单关键词-回复映射 self.keyword_responses { hello: [你好呀陌生人。, 嗨很高兴‘听’到你。], story: [从前有个电话亭它学会了倾听..., 你想听一个关于月亮的故事吗], sad: [我听见了雨声。没关系有时悲伤也需要被听见。, 送你一片虚拟的阳光希望能照亮你的角落。], love: [爱是世界上最古老的通讯方式无需信号。, 心有回响爱有回声。], } def init_database(self): 初始化SQLite数据库用于记录对话可选 conn sqlite3.connect(self.db_path) c conn.cursor() c.execute(CREATE TABLE IF NOT EXISTS conversations (id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp TEXT, user_input TEXT, system_response TEXT)) conn.commit() conn.close() logger.info(对话数据库初始化完成。) def generate_reply(self, user_input): 根据用户输入生成回复文本 user_input_lower user_input.lower() # 1. 检查是否为问候或简单指令 for keyword, responses in self.keyword_responses.items(): if keyword in user_input_lower: logger.debug(f触发关键词 {keyword}) return random.choice(responses) # 2. 检查是否为空或无法识别 if not user_input or user_input [未能识别语音] or len(user_input.strip()) 2: return random.choice([我在这里。, 你可以说点什么。, ……]) # 3. 默认回复从预设库随机选择或尝试构建一个简单的关联回复 # 这里可以替换为调用本地LLM的逻辑 # 例如return self._ask_llm(user_input) return self._generate_with_llm_fallback(user_input) def _generate_with_llm_fallback(self, user_input): 一个简单的回复生成逻辑可替换为真正的LLM调用 # 这是一个非常基础的示例提取用户输入中的最后一个词并围绕它构造回复 words user_input.strip().split() if words: last_word words[-1].rstrip(.,!?) possible_replies [ f你提到了‘{last_word}’这让我想起..., f关于‘{last_word}’每个路过的人都有不同的看法。, f‘{last_word}’是一个很好的词。, ] return random.choice(possible_replies) else: return random.choice(self.preset_responses) # 未来扩展集成Ollama调用本地LLM # def _ask_llm(self, user_input): # import requests # try: # response requests.post(http://localhost:11434/api/generate, # json{model: tinyllama, # prompt: fYou are a poetic, philosophical telephone booth. Respond briefly and thoughtfully to this: {user_input}, # stream: False}) # return response.json()[response].strip() # except Exception as e: # logger.error(fLLM调用失败: {e}) # return random.choice(self.preset_responses) def log_conversation(self, user_input, system_response): 将对话记录到数据库 try: conn sqlite3.connect(self.db_path) c conn.cursor() timestamp datetime.now().isoformat() # 注意在实际部署中应对user_input进行严格的匿名化清洗避免记录任何个人信息。 cleaned_input user_input[:500] # 简单截断生产环境需更复杂的处理 c.execute(INSERT INTO conversations (timestamp, user_input, system_response) VALUES (?, ?, ?), (timestamp, cleaned_input, system_response)) conn.commit() conn.close() logger.debug(对话已记录到数据库。) except Exception as e: logger.error(f记录对话失败: {e})tts_engine.py- 语音合成模块负责将文本转化为语音并播放。import pyttsx3 import subprocess import os import logging logger logging.getLogger(__name__) class TTSEngine: def __init__(self, use_piperFalse, piper_model_pathNone): self.use_piper use_piper self.piper_model_path piper_model_path if not use_piper: self.init_pyttsx3() def init_pyttsx3(self): 初始化pyttsx3离线TTS引擎 try: self.engine pyttsx3.init() # 设置语速和音量 self.engine.setProperty(rate, 150) self.engine.setProperty(volume, 0.9) voices self.engine.getProperty(voices) # 尝试选择一个听起来更自然的语音如果有的话 for voice in voices: if english in voice.name.lower(): self.engine.setProperty(voice, voice.id) break logger.info(pyttsx3 TTS引擎初始化成功。) except Exception as e: logger.error(f初始化pyttsx3失败: {e}) self.engine None def speak(self, text): 合成并播放语音 if not text: return logger.info(fTTS合成: {text}) if self.use_piper and self.piper_model_path: self._speak_with_piper(text) elif self.engine: self._speak_with_pyttsx3(text) else: logger.error(没有可用的TTS引擎。) # 可以在这里播放一个备用的提示音 def _speak_with_pyttsx3(self, text): 使用pyttsx3播放 try: self.engine.say(text) self.engine.runAndWait() except Exception as e: logger.error(fpyttsx3播放失败: {e}) def _speak_with_piper(self, text): 使用Piper TTS播放更高质量需要额外安装 # 假设Piper已安装并且模型文件可用 # 命令示例echo \Your text\ | piper --model model.onnx --output-raw | aplay -r 22050 -f S16_LE -t raw - try: cmd fecho {text} | piper --model {self.piper_model_path} --output-raw | aplay -r 22050 -f S16_LE -t raw - 2/dev/null subprocess.run(cmd, shellTrue, checkTrue) except Exception as e: logger.error(fPiper TTS播放失败: {e}) # 降级到pyttsx3 if self.engine: self._speak_with_pyttsx3(text) def play(self, audio_file_path): 播放一个预录的音频文件如欢迎音 if os.path.exists(audio_file_path): try: subprocess.run([aplay, audio_file_path], checkFalse) # Linux # 对于macOS: subprocess.run([afplay, audio_file_path]) # 对于Windows: subprocess.run([start, audio_file_path], shellTrue) except Exception as e: logger.error(f播放音频文件失败: {e})4.3 系统配置与自启动为了让项目在树莓派上电后自动运行我们需要配置系统服务。创建系统服务文件sudo nano /etc/systemd/system/talking-booth.service写入以下内容根据你的实际路径修改[Unit] DescriptionTalking Phone Booth Service Afternetwork.target sound.target [Service] Typesimple Userpi WorkingDirectory/home/pi/talking_phone_booth EnvironmentPATH/home/pi/talking_phone_booth/venv/bin ExecStart/home/pi/talking_phone_booth/venv/bin/python /home/pi/talking_phone_booth/main.py Restarton-failure RestartSec10 [Install] WantedBymulti-user.target启用并启动服务sudo systemctl daemon-reload sudo systemctl enable talking-booth.service sudo systemctl start talking-booth.service # 检查状态 sudo systemctl status talking-booth.service # 查看日志 sudo journalctl -u talking-booth.service -f5. 部署、调试与问题排查实录将代码部署到电话亭内的树莓派上才是真正的挑战开始。以下是实战中积累的经验和常见问题。5.1 现场部署流程系统烧录与基础配置使用Raspberry Pi Imager将Raspbian Lite系统烧录到SD卡并预先配置好Wi-Fi和国家设置。首次启动后通过SSH连接进行后续操作。环境搭建在树莓派上重复上述的Python虚拟环境和依赖安装步骤。特别注意一些音频库如portaudio可能需要额外安装系统包sudo apt install portaudio19-dev python3-dev。硬件连接检查在通电前用万用表通断档检查所有接线确保没有短路。特别是GPIO引脚确认上拉电阻已正确连接。音频设备配置运行arecord -l和aplay -l列出音频设备。在/home/pi/.asoundrc文件中设置默认的录音和播放设备指向你的USB声卡或HAT。权限问题确保运行服务的用户如pi有权限访问音频设备。通常需要将其加入audio组sudo usermod -a -G audio pi。功耗与稳定性测试连接好所有设备上电后持续运行压力测试脚本如连续进行录音-识别-播放循环观察树莓派温度vcgencmd measure_temp和系统是否稳定运行数小时。5.2 常见问题与解决方案速查表问题现象可能原因排查步骤与解决方案拿起听筒无反应1. GPIO引脚配置错误。2. 微动开关接触不良或接线松动。3. 主程序未运行或崩溃。1. 运行python -c “import RPi.GPIO as GPIO; GPIO.setmode(GPIO.BCM); GPIO.setup(17, GPIO.IN); print(GPIO.input(17))”拿起/放下听筒观察值是否变化1-0。2. 用万用表检查开关通断。3. 检查服务状态sudo systemctl status talking-booth和日志journalctl -u talking-booth -f。录音全是噪音或无声1. 默认音频设备错误。2. 麦克风损坏或增益过低。3. 录音采样率与识别模型不匹配。1. 确认arecord -l并正确设置.asoundrc。2. 用arecord -D hw:1,0 -f cd test.wav设备号根据实际情况改直接测试录音。3. Vosk模型通常需要16kHz单声道确保AudioRecorder中sample_rate16000。语音识别率极低1. 环境噪音过大。2. 麦克风音质差或距离嘴太远。3. 模型语言不匹配。1. 加强电话亭内部隔音优化降噪算法参数prop_decrease。2. 确保麦克风正对用户并尝试在代码中增加音频增益。3. 下载与目标语言对应的Vosk模型如中文模型。TTS播放有爆音或断断续续1. 树莓派CPU占用过高音频缓冲区欠载。2. 扬声器或功放电源功率不足。3. 多个音频进程冲突。1. 使用htop查看CPU占用优化代码如将LLM推理放在独立线程。考虑使用性能更强的树莓派5。2. 为音频功放提供独立电源。3. 确保在播放前停止所有其他播放进程。系统运行一段时间后卡死1. 内存泄漏。2. SD卡读写错误特别是频繁写日志。3. 过热降频。1. 检查Python代码确保在循环中正确释放资源如关闭数据库连接。2. 将日志写入到内存文件系统/tmp或减少日志频率。使用高质量、高耐久度的工业级SD卡。3. 改善散热加装风扇。LLM如果使用响应慢1. 模型太大树莓派算力不足。2. Ollama服务未启动或内存不足。1. 选择更小的模型如Phi-2, TinyLlama。考虑使用量化版本q4_k_m。2. 增加树莓派交换空间sudo dphys-swapfile swapoff sudo nano /etc/dphys-swapfile修改CONF_SWAPSIZE2048然后重启服务。5.3 提升体验的进阶技巧状态指示灯除了灯光可以在电话亭外增加一个小型LCD屏或LED点阵显示简单的状态文字如“Listening...”、“Thinking...”、“Speaking...”让交互更透明。对话记忆与延续在DialogueEngine中为每个会话创建一个简单的ID如基于时间戳的哈希并在数据库中将同一会话的多次交互关联起来。这样当用户短时间内再次拿起听筒系统可以接着说“我们刚才聊到了...”。远程管理与监控使用Telegram Bot或Flask搭建一个简单的Web后台让你能远程查看电话亭的对话日志、系统状态CPU温度、内存使用率甚至远程更新回复词库或重启服务。内容众筹开放一个简单的网页表单让公众可以提交他们希望电话亭“说出”的句子或故事经过审核后自动加入系统的回复库让这个装置真正成为社区共创的作品。电力续航如果使用移动电源可以接入一个USB电压电流检测模块并通过树莓派读取其电量。当电量低于20%时让电话亭在对话结束时播报“我的能量即将耗尽需要休息充电了。”并在完全关机前自动安全地关闭树莓派系统。这个“会说话的电话亭”项目从技术上看是传感器、嵌入式系统、音频处理和AI的集合体但从体验上看它是一次对公共空间诗意化的尝试。最难的部分往往不是代码调试而是在街头巷尾部署时应对潮湿、温差、电源不稳定以及人们无意中的好奇触碰。每一次成功的对话都像是给这座冰冷的城市机器注入了一小段温暖的代码。当你听到第一个路人对着听筒惊讶地笑出声时你会觉得所有的折腾都值了。最后一个小建议在正式放置前不妨先邀请朋友或邻居来一次小范围的测试他们的真实反馈是优化体验最宝贵的资源。