使用 Microsoft 语音服务监听 2 个或更多麦克风

Question

美好的一天，

我有一个 python 项目，你可以在其中交谈并获得回复，就像聊天一样。该应用程序运行良好，现在我希望能够安装两个麦克风并通过两个麦克风与我的助手交谈。

但问题是，我正在使用微软语音服务，在他们的示例中，他们没有展示如何使用两个音频流或与此相关的东西。我看到了他们关于使用 Java、C# 和 C++ 进行多重音频识别的主题。不支持Python。

我的问题是，有什么方法可以将两个或更多麦克风连接到我的笔记本电脑，并同时使用两个音频流来从我的应用程序获取响应？

我安装了 python3.9，我的代码仅使用 Microsoft 示例中的 recognize_once() 函数。

我在想有什么方法可以像多线程一样运行并监听这些线程的音频，我不知道。我确实搜索了与此相关的主题，但人们解释了使用 PyAudio 执行此操作，我使用微软语音服务，因为我的语言不受支持。

任何帮助将不胜感激，对不起我的英语。

Answer 1

对于此类问题，我们可以使用多音频通道数组。有一项服务称为“麦克风阵列推荐”。有不同的阵列通道，根据通道数，我们可以包括微
电话。我们可以包含 2、4、7 个通道的数组。

2 个麦克风 - 这是一个线性通道。

请查看以下文档了解间距和麦克风阵列。

文档

您需要确保默认的 Microsoft Azure Kinect DK 是否已启用。按照下面的python代码，该代码处于运行状态。

import pyaudio
import wave
import numpy as np

p = pyaudio.PyAudio()

# Find out the index of Azure Kinect Microphone Array
azure_kinect_device_name = "Azure Kinect Microphone Array"
index = -1
for i in range(p.get_device_count()):
    print(p.get_device_info_by_index(i))
    if azure_kinect_device_name in p.get_device_info_by_index(i)["name"]:
        index = i
        break
if index == -1:
    print("Could not find Azure Kinect Microphone Array. Make sure it is properly connected.")
    exit()

# Open the stream for reading audio
input_format = pyaudio.paInt32
input_sample_width = 4
input_channels = 7 #choose your channel count among 2,4,7
input_sample_rate = 48000

stream = p.open(format=input_format, channels=input_channels, rate=input_sample_rate, input=True, input_device_index=index)

# Read frames from microphone and write to wav file
with wave.open("output.wav", "wb") as outfile:
    outfile.setnchannels(1) # We want to write only first channel from each frame
    outfile.setsampwidth(input_sample_width)
    outfile.setframerate(input_sample_rate)

    time_to_read_in_seconds = 5
    frames_to_read = time_to_read_in_seconds * input_sample_rate
    total_frames_read = 0
    while total_frames_read < frames_to_read:
        available_frames = stream.get_read_available()
        read_frames = stream.read(available_frames)
        first_channel_data = np.fromstring(read_frames, dtype=np.int32)[0::7].tobytes()
        outfile.writeframesraw(first_channel_data)
        total_frames_read += available_frames

stream.stop_stream()
stream.close()

p.terminate()