我们要做的目标是：
🎯 对着麦克风说话 → 电脑识别你说的话 → AI 回答你 → 电脑朗读回答
✅ 方法一：使用 Python + Whisper + Ollama（本地运行，无需联网）
适合想要更自由、还能说中文的 AI 助手！
🧰 一、你需要准备这些
📌 1. 安装好 Python（如果没装）
打开官网：Python Releases for Windows | Python.org
下载最新版本，安装时记得勾选“Add to PATH”
📌 2. 安装 Whisper（语音识别）
打开终端（CMD 或 PowerShell），输入：
pip install openai-whisper
如果出现下图错误，可参考另一篇我的博客：pip install openai-whisper报错-CSDN博客
第一次安装可能会下载模型，耐心等待
📌 3. 安装语音合成（让电脑“读”出回答）
pip install pyttsx3
📌 4. 安装录音库
pip install sounddevice scipy
📌 5. 安装与本地大模型（如 Ollama）对话功能
pip install requests
🧠 二、确保你已安装并运行好 Ollama
如果没装过本地 Ollama 模型：
安装一下
然后拉一个模型，比如：
ollama pull deepseek-coder
并且保持 Ollama 正在后台运行（不用你手动开，它开机就会自己运行）
🧾 三、语音助手完整代码（直接复制粘贴运行）
import sounddevice as sd
import scipy.io.wavfile as wav
import whisper
import requests
import pyttsx3
import os
# 使用 whisper 模型加载
model = whisper.load_model("base") # 可改为 tiny / small / medium / large
# 初始化语音合成
engine = pyttsx3.init()
def record_audio(filename="temp.wav", duration=5):
print("🎙️ 开始录音，请说话...")
fs = 16000
recording = sd.rec(int(duration * fs), samplerate=fs, channels=1)
sd.wait()
wav.write(filename, fs, recording)
print("✅ 录音完成！")
def transcribe_audio(filename="temp.wav"):
print("🧠 正在识别语音...")
result = model.transcribe(filename, language="zh")
print(f"📝 你说了：{result['text']}")
return result['text']
def ask_ollama(prompt, model_name="deepseek-coder"):
print("🤖 正在向本地AI提问...")
url = f"http://localhost:11434/api/generate"
headers = {"Content-Type": "application/json"}
data = {
"model": model_name,
"prompt": prompt,
"stream": False
}
response = requests.post(url, headers=headers, json=data)
res = response.json()
answer = res.get("response", "我没有理解你说的意思。")
print(f"🤖 回答：{answer}")
return answer
def speak_text(text):
engine.say(text)
engine.runAndWait()
# 主程序循环
while True:
input("🎤 按 Enter 开始语音对话（Ctrl+C 退出）")
record_audio()
question = transcribe_audio()
reply = ask_ollama(question)
speak_text(reply)
🚀 四、运行方法
把上面代码复制到一个 .py 文件，比如 voice_assistant.py
打开命令提示符（CMD）
运行：
python voice_assistant.py
按 Enter，说出你的问题（比如“帮我写一个Python爬虫”）
等待它回答并朗读！
🎉 效果演示（你将看到）：
🎙️ 开始录音，请说话...
✅ 录音完成！
🧠 正在识别语音...
📝 你说了：写一个爬虫抓取百度首页
🤖 正在向本地AI提问...
🤖 回答：以下是使用 requests 和 BeautifulSoup 的示例代码...
📢（语音读出答案）
❓ 常见问题
Q: 要联网吗？
A: 除了第一次下载模型，全程本地运行。不联网也能跑！
Q: Whisper 模型会不会太大？
A: base 模型只有大约 140MB，很轻量。你也可以改成 tiny 更小。
Q: 麦克风没声音怎么办？
A: 检查你电脑是否开启麦克风权限，或者用手机耳机试试。
打包成图形化界面教程
🔧 所需准备
确保你已经安装了以下环境（之前你可能已经装了）：
pip install openai-whisper sounddevice scipy pyttsx3 requests
pip install customtkinter
🧾 图形界面完整代码（直接可运行）
import customtkinter as ctk
import sounddevice as sd
import scipy.io.wavfile as wav
import whisper
import requests
import pyttsx3
import threading
# 初始化语音识别模型、语音合成
model = whisper.load_model("base")
engine = pyttsx3.init()
# 录音函数
def record_audio(filename="temp.wav", duration=5):
fs = 16000
recording = sd.rec(int(duration * fs), samplerate=fs, channels=1)
sd.wait()
wav.write(filename, fs, recording)
# 语音识别函数
def transcribe_audio(filename="temp.wav"):
result = model.transcribe(filename, language="zh")
return result['text']
# 向 Ollama 提问
def ask_ollama(prompt, model_name="deepseek-coder"):
url = "http://localhost:11434/api/generate"
data = {
"model": model_name,
"prompt": prompt,
"stream": False
}
try:
res = requests.post(url, json=data)
return res.json().get("response", "我没听懂你的问题。")
except Exception as e:
return f"出错了：{e}"
# 语音朗读回答
def speak_text(text):
engine.say(text)
engine.runAndWait()
# 主流程（在子线程中运行）
def start_voice_assistant():
button.configure(state="disabled")
text_output.configure(state="normal")
text_output.delete("1.0", "end")
text_output.insert("end", "🎙️ 开始录音中...\n")
text_output.update()
record_audio()
text_output.insert("end", "✅ 录音完成，识别中...\n")
question = transcribe_audio()
text_output.insert("end", f"📝 你说了：{question}\n")
reply = ask_ollama(question)
text_output.insert("end", f"🤖 回答：{reply}\n")
text_output.configure(state="disabled")
speak_text(reply)
button.configure(state="normal")
# 创建图形界面
ctk.set_appearance_mode("light")
ctk.set_default_color_theme("blue")
app = ctk.CTk()
app.title("🗣️ 本地语音助手")
app.geometry("500x400")
title = ctk.CTkLabel(app, text="🎧 本地语音助手（点击按钮开始说话）", font=("Microsoft YaHei", 18))
title.pack(pady=20)
button = ctk.CTkButton(app, text="🎤 开始录音", font=("Microsoft YaHei", 16), command=lambda: threading.Thread(target=start_voice_assistant).start())
button.pack(pady=20)
text_output = ctk.CTkTextbox(app, width=450, height=220, font=("Microsoft YaHei", 14))
text_output.pack(pady=10)
text_output.configure(state="disabled")
app.mainloop()
💡 使用方法
把代码保存为一个文件，比如 gui_voice_assistant.py
在命令提示符中运行：
python gui_voice_assistant.py 会弹出一个窗口，点击按钮开始语音交互！
🎁 打包成 EXE（可选）
你可以用 pyinstaller 把它打包成一个可执行文件：
第一步：安装 PyInstaller
pip install pyinstaller
第二步：打包成 EXE
pyinstaller --noconfirm --onefile --windowed gui_voice_assistant.py
生成的 .exe 文件会在 dist/ 文件夹里，你就可以随时运行，无需打开终端啦！
🎉 你现在拥有了一个真正的本地语音助手！
🧠 能识别语音
🤖 能用 DeepSeek 本地模型回答
🔊 能把答案朗读出来
🖼️ 有图形界面，操作简单
❤️ 结语
你现在拥有了一个真正的本地语音 AI 助手，能听你说中文，能写代码，还能读出来！比微软小娜还强！