小莱助手点歌AI助手：2026年4月语音点歌技术全解析

 传统硬编码点歌实现
def play_song(user_input):
    if "周杰伦" in user_input and "七里香" in user_input:
        return "play_qilixiang.mp3"
    elif "陈奕迅" in user_input and "十年" in user_input:
        return "play_shinian.mp3"
    else:
        return "error: song not found"

pip install openai-whisper torch soundfile

import whisper
import json

 ========== 第一步：加载ASR模型 ==========
 选择模型大小：tiny(39M) / base(74M) / small(244M) / medium(769M) / large(1.5B)
 资源受限场景推荐 base 或 small
model = whisper.load_model("base")

def asr_transcribe(audio_path):
    """ASR：将音频文件转写为文本"""
    result = model.transcribe(audio_path, language="zh")
    print(f"[ASR] 识别文本: {result['text']}")
    return result["text"]

 ========== 第二步：NLU意图解析（基于规则，适用于快速原型） ==========
def nlu_parse(text):
    """NLU：从文本中解析意图和实体"""
    text = text.lower()
    
     意图识别
    if any(word in text for word in ["播放", "听", "来一首", "放一首"]):
        intent = "play_music"
    else:
        intent = "unknown"
    
     实体抽取（简化版：假设文本格式为"播放 歌手 的 歌名"或"播放 歌名"）
    import re
     匹配模式：播放[歌手]的[歌名]
    pattern_with_singer = r"播放(.+?)的(.+)"
    match = re.search(pattern_with_singer, text)
    
    if match:
        singer = match.group(1).strip()
        song = match.group(2).strip()
    else:
         无歌手，仅歌名
        singer = None
        song = text.replace("播放", "").replace("听", "").strip()
    
    slots = {"song": song}
    if singer:
        slots["singer"] = singer
    
    print(f"[NLU] 意图: {intent}, 槽位: {slots}")
    return intent, slots

 ========== 第三步：音乐库匹配与播放 ==========
 模拟本地音乐库
music_library = {
    "七里香": {"file": "qilixiang.mp3", "singer": "周杰伦"},
    "稻香": {"file": "daoxiang.mp3", "singer": "周杰伦"},
    "十年": {"file": "shinian.mp3", "singer": "陈奕迅"},
}

def search_and_play(slots):
    """根据NLU解析出的槽位，在音乐库中匹配歌曲并播放"""
    song_name = slots.get("song")
    singer_name = slots.get("singer")
    
     精确匹配优先，模糊匹配兜底
    if song_name in music_library:
        song_info = music_library[song_name]
         如果指定了歌手且不匹配，给出提示
        if singer_name and song_info["singer"] != singer_name:
            print(f"[警告] 您点的《{song_name}》原唱是{song_info['singer']}，与您指定的{singer_name}不同")
        print(f"[播放] 正在播放：{song_name} - {song_info['singer']}")
         实际项目中此处调用音频播放接口，如 pygame.mixer.music.load()
        return True
    else:
         相似度匹配：当用户输入与歌名不完全一致时，通过文本相似度计算找到最接近的歌曲
        print(f"[提示] 未找到《{song_name}》，建议使用相似度匹配或推荐相似歌曲")
        return False

 ========== 第四步：主流程串联 ==========
def voice_command_pipeline(audio_path):
    """完整链路：语音 -> 播放"""
     1. ASR：语音转文本
    text = asr_transcribe(audio_path)
    
     2. NLU：文本解析意图
    intent, slots = nlu_parse(text)
    
     3. 执行业务逻辑
    if intent == "play_music":
        search_and_play(slots)
    else:
        print(f"[提示] 未识别到有效指令: {intent}")

 运行示例
if __name__ == "__main__":
     假设已有 audio.wav 文件（16kHz采样率）
    voice_command_pipeline("test_audio.wav")