0x00 语音交互模块简介

最近一直在研究做一款双足机器人，在添加语音交互功能时，尝试了很多方案都不是很满意。总结下来的几个问题主要是硬件成本高，如果使用本地合成方案的话，延时太高，使用网络调用在线API方式的话，还得额外花钱购买调用次数。要不然就是软件开发太花时间，与ROS2系统集成还得调试很多时间，反正都不是很爽。

所以根据我自己的实际开发需要，决定设计一款使用简单，成本较低的ROS2离线语音交互开发板，最终基本上实现了最初设想，所以有以下需要的小伙伴也可以关注下我设计的这款语音模块：

1. 硬件成本控制在一百以内，要求除了购买硬件需要花钱外，其他都免费，没有二次收费陷阱；
2. 要求语音识别距离不小于5米，最大10米，具备一定的抗噪音能力；
3. 要求可以自由修改唤醒词，而且可以设置的自定义唤醒词至少为5个；
4. 离线语音识别的命令词至少为300条，语音识别内容可以自由定义修改；
5. 要求TTS支持多种发音人(不少于50种)，中英文都支持；（这里注意:TTS不是实时在本地生成，而是编译语音代码时生成好，需要时直接调用播放，减少本地硬件资源消耗）
6. 要求人机语音交互过程中，语音模块不需要联网，而且语音处理延时小于100ms；
7. 用户不需要再开发ROS2语音交互代码，直接通过订阅话题得知语音唤醒、语音识别的结果；

下面是语音开发板的整体效果图，现在可能难看了点，后续板子再升级，现在是先实现功能为主：

0x01 使用方式介绍

在使用之前先介绍一下语音板的尺寸和接口，总体来说板子虽小，五脏俱全，具体如下图所示：

使用前需要先讲麦克风和喇叭都接好，连接口使用的是MX1.25-2P插座，这个接口比较小，为了节约板子上空间，为以后得扩展做准备，在以后升级语音板时候，外部的尺寸争取不再变化，只是板子上内部元器件布局、选型上改变，这样方便后续的无缝替换升级。

这款语音板使用方便的地方在于，不需要用户再编写ROS2的语音代码，包括语音唤醒、语音识别、语音合成这些处理的代码，因为这部分代码我已经开发好，我们只需要在自己安装有ROS2的主系统上使用如下命令即可启动：

ros2 run micro_ros_agent micro_ros_agent serial --dev /dev/voiceModule

通过该命令可以得知，其实我们是通过micro_ros_agent包来与语音板模块进行通信的，这里使用serial串口方式通信，设备路径为/dev/voiceModule，这里我使用了rules规则文件将ttyACM*设备映射为固定的设备名voiceModule，当然该设备名也是可以自己修改的，在后面文章中会详细介绍micro_ros_agent的安装和rules规则文件如何编写的。当使用上述命令启动语音模块后，即可与语音模块建立连接，输出信息如下图所示：

在与ROS2系统建立连接后，就可以查看到语音模块输出的话题列表了，根据需要可以订阅对应的话题即可，具体如下图所示：

0x02 语音程序修改

对于语音模块的语音相关的程序，我们可以自由修改。这里修改代码也非常简单，使用的是模块化编程，直接拖拉代码模块，类似于米思齐那种软件，不需要我们真正的去写代码，而且整个语音程序框架已经都做好了，用户只需要修改唤醒词、TTS发音词、离线识别的命令词等，后续文章中会详细介绍这部分代码，而且到时候把语音源码放出来给大家修改，这里只是给大家看看代码什么样的，具体如下图所示：

上图中这部分代码是我们可以自由修改的，还有一部分语音代码是不能随便修改的，因为这部分代码是与ROS2代码通信的代码，用户只需要了解即可，具体代码如下图所示：

0x03 实际运行效果展示

简单介绍完ROS2离线语音模块基本知识点后，现在就来看下实际的使用效果，在后续的教程中会详细的介绍使用方式，视频如下所示：