多関節デフォルメAIロボット「AIパワー君」

新年あけましておめでとうございます。久々の投稿になります（半年ぶり。。）

googleアナリティクスもなんか仕様変更したのか、昔の設定ではサイトのアクセス数などが確認できなくなっていてもともと弱小だったこのサイトなんかもはやだれ一人見ていないのではないかと感じますが、今年からまたちょくちょく更新していこうかと思っています。どうぞよろしくお願いいたします。

＊＊＊＊＊

昨年、AIロボット「AIパワー君」を作成したのですが、結構苦労したので備忘録としてまとめておこうと思います。

出来上がりはこんな感じです。↓

ロボットの機能は下記の通り。

・chatgptと連携させて会話ができる

・音声での操作

・前後と左右旋回歩行が可能

・カメラを搭載しブラウザから歩行操作可能

・アナログコントローラーで各部関節のみの操作も可能

過去に作成した「パワー君」をベースとしています。↓

ヘルニアクソ野郎エンジニアblog

サーボ11個とRaspberryPi ZERO2Wで多関節2足歩行ロボットを作ってみた

https://denkenmusic.com/サーボ11個とraspberrypi-zero2wで多関節2足歩行ロボットを作っ

　過去にいくつか2足歩行ロボットを作ってきたのですが、見た目にあまりこだわってこなかったので、自分なりに見た目がイケてるやつを作ってみようかとなりました。過去に作った作品は↓のような感じです。　　blackスタックチャンは見た目も結構好きなんですが、それ以外は...という感じです。しかし見た目だけ変えるのは少し物足りないので、間接も増やして頭、肘、腰、なども動かせる「多関節2足歩行ロボット」にする事にしました。（これで多関節なのかはわかんないけど。。）となるとサーボモーターも多く使う事になるので、そこそ...

この記事が、会話できるAIロボットを作りたいと思っている方の参考になれば幸いです。

1 ロボットの構成
- 1.1 ハード
- 1.2 ソフト
2 作成過程
- 2.1 印刷、塗装
3 組立て
- 3.1 部品格納
- 3.2 配線
4 プログラム
5 こだわったポイント
6 ハマったポイント

ロボットの構成

ハード

・Raspberrypi ZERO2W

・WM8960 Audio HAT

・スピーカー　×　２個

・PCA9685

・サーボモーター　×　12個（SG90 × 10, ミニデジタルサーボ2g（正式名称不明）× 4）

・Lipo BT 2000mAh 放電レート2Ｃ　×　１個

ソフト

プログラムはpythonで書いてます。

ブラウザからの操作についてはhtml,css,js,python cgiで書いています。

作成過程

印刷、塗装

シルバー色にしてみたけどかなり乗りにくかった。。下地とかいるんかな
あと風でラメが飛んで洗濯物についたっぽくて頭抱えてる pic.twitter.com/6aN08TkmRR
— ロビヲ (@ketunorobio) December 11, 2023

外装は一部変更（micとスピーカーの穴を追加）したパワー君をベースとして印刷し、ホビー用スプレーのメタリックシルバー色で塗装しました。

メタリックのせいかラメが入っていて、スプレー時に空中に舞いまくるので要注意でした。

組立て

部品格納

raspberrypi zero2にオーディオ基板を付けて格納 pic.twitter.com/qox2XM774l
— ロビヲ (@ketunorobio) December 16, 2023

RaspberryPi ZEROW2にWM8960を取り付けてスピーカーを接続。

WM8960は接続コネクタのピンが長かったの短くしました。（筐体に収まらないため）

配線

配線、組み立て完了!
明日会話してみる pic.twitter.com/ckAYeuwUxK
— ロビヲ (@ketunorobio) December 18, 2023

サーボモーターを取りつけて基板との配線。

接続のコネクタは場所を取るので全て取り外して直付けしました。

プログラム

コントローラー側、ロボット側のプログラムについては冒頭に張り付けましたURL（パワー君）のものとほぼ同一です。

今回はAIロボットということで、chatgptを利用し会話できるプログラムを追加しました。

import pyaudio
import struct
import math
import audioop
import wave
import time
import os
import io
from google.cloud import speech
import openai
from google.cloud import texttospeech
from gtts import gTTS
import pygame.mixer
import Adafruit_PCA9685
import threading
import RPi.GPIO as GPIO

led = 0

pwm = Adafruit_PCA9685.PCA9685()
pwm.set_pwm_freq(60)

a = 350
b = 320
c = 400
d = 360
e = 400
z = 360
g = 370
h = 330
i = 340
j = 430
k = 380
l = 390


time.sleep(1)

pwm.set_pwm(0, 0, a)
pwm.set_pwm(1, 0, b)
pwm.set_pwm(2, 0, c)
pwm.set_pwm(3, 0, d)
pwm.set_pwm(4, 0, e)
pwm.set_pwm(5, 0, z)
pwm.set_pwm(6, 0, g)
pwm.set_pwm(7, 0, h)
pwm.set_pwm(8, 0, i)
pwm.set_pwm(9, 0, j)
pwm.set_pwm(10, 0, k)
pwm.set_pwm(11, 0, l)

time.sleep(0.5)


while led <= 4095:
    pwm.set_pwm(12, 0, led)
    pwm.set_pwm(13, 0, led)
    led = led + 15
    #bb = bb + 15
    time.sleep(0.01)

led = led - 15

print("off")
time.sleep(2)

while led >= 0:
    pwm.set_pwm(12, 0, led)
    pwm.set_pwm(13, 0, led)
    led = led - 15
    #bb = bb - 15
    time.sleep(0.01)
led = led + 15

time.sleep(0.1)

pygame.mixer.init()

openai.api_key = "key"
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = '------.json'
# Instantiates a client
client = speech.SpeechClient()
### 音声データを指定
speech_file = 'output.wav'

chunk = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
INPUT_DEVICE_INDEX = 0
THRESHOLD = 3000    #700
SILENCE_LIMIT = 3
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"

p = pyaudio.PyAudio()

def get_rms(block):
    """
    Returns the root mean square of the audio block.
    """
    return audioop.rms(block, 2)

def get_audio_input_device(p, input_device_index, channels=1, rate=44100, frames_per_buffer=1024):
    stream = p.open(format=pyaudio.paInt16,
                    channels=channels,
                    rate=rate,
                    input=True,
                    input_device_index=input_device_index,
                    frames_per_buffer=frames_per_buffer)
    return stream

def ask_gpt(text):
    response = openai.Completion.create(
        engine="davinci",  # 使用する言語モデルを指定する
        prompt=text,
        max_tokens=1024,  # 応答の長さを指定する
        n=1,  # 応答の候補数を指定する
        stop=None,  # 応答の終了条件を指定する
    )
    return response.choices[0].text.strip()

# text to speech関数（引数：変換テキスト、対応言語、出力ファイル名）
def text_to_speech(text, language, name):

    # gTTSインスタンスの作成
    text2speech = gTTS(text,           # 音声変換するテキスト
                       lang=language,  # 対応言語（ja：日本語）
                      )

    # 音声変換したデータをファイルに保存
    text2speech.save(name + ".mp3")

    return True

stream = get_audio_input_device(p, INPUT_DEVICE_INDEX, CHANNELS, RATE, chunk)

is_recording = False
silence_counter = 0
frames = []
#frames = [bytes(frame) for frame in frames]
type = "nane"
t_end = time.time()
t_time = 3
text = ""

def recieve():
    global led
    while(led <= 4095):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led + 15
        time.sleep(0.01)
    led = led - 15

def recieve2():
    global led
    while(led >= 0):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led - 15
        time.sleep(0.01)
    led = led + 15

def power():
    global a, b, c, d, e, z, g, h, i, j, k, l, text

    name = "gTTS_Text2Speech"
    text = "こんにちは"
    language = "ja"
    text_to_speech(text, language, name)
    pygame.mixer.music.load("gTTS_Text2Speech.mp3")
    pygame.mixer.music.play(0)
    #while True:
    #    if(pygame.mixer.music.get_busy()!=True):
    #        break
    #        time.sleep(0.2)
    #    pygame.mixer.music.stop()
    #time.sleep(0.5)
    #text = ""

    pwm.set_pwm(12, 0, 0)
    pwm.set_pwm(13, 0, 0)

    while(e <= 480):

        pwm.set_pwm(4, 0, e)
        e = e + 2
        time.sleep(0.005)

    time.sleep(1)

    while(z <= 580):
        pwm.set_pwm(5, 0, z)
        z = z + 2
        time.sleep(0.005)
    time.sleep(0.5)

    while(j <= 520):
        pwm.set_pwm(9, 0, j)
        j = j + 2
        time.sleep(0.005)

    time.sleep(3)

    pwm.set_pwm(12, 0, 4095)
    pwm.set_pwm(13, 0, 4095)
    pwm.set_pwm(11, 0, 280)

    name = "gTTS_Text2Speech"
    text = "パワー"
    language = "ja"
    text_to_speech(text, language, name)
    pygame.mixer.music.load("gTTS_Text2Speech.mp3")
    pygame.mixer.music.play(0)
    #while True:
    #    if(pygame.mixer.music.get_busy()!=True):
    #        break
    #        time.sleep(0.2)
    #    pygame.mixer.music.stop()

    time.sleep(3)


    e = 400
    z = 360
    h = 330
    j = 430
    #GPIO.output(LED_2,GPIO.LOW)
    pwm.set_pwm(12, 0, 0)
    pwm.set_pwm(13, 0, 0)
    pwm.set_pwm(4, 0, e)
    pwm.set_pwm(5, 0, z)
    pwm.set_pwm(7, 0, h)
    pwm.set_pwm(9, 0, j)
    pwm.set_pwm(11, 0, l)

    text =  ""


def fw():
    global a, b, c, d, e, z, g, h, i, j, k, l, text, led
    name = "gTTS_Text2Speech"
    text = "はい"
    language = "ja"
    text_to_speech(text, language, name)
    pygame.mixer.music.load("gTTS_Text2Speech.mp3")
    pygame.mixer.music.play(0)

    while(led <= 4095):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led + 15
        time.sleep(0.01)
    led = led - 15

    while True:
        if(pygame.mixer.music.get_busy()!=True):
            break
            time.sleep(0.2)
        pygame.mixer.music.stop()

    time.sleep(1)

    text = ""

    while(d >= 305):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d - 2
        b = b - 2
        time.sleep(0.005)

#time.sleep(3)

    while(c <= 470):
        pwm.set_pwm(2, 0, c)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        c = c + 2
        z = z - 2
        g = g - 2
        e = e - 2
        time.sleep(0.005)

#time.sleep(3)

    while(b <= 320):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d + 2
        b = b + 2
        time.sleep(0.005)

#time.sleep(3)

    while(c >= 400):
        pwm.set_pwm(2, 0, c)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        c = c - 2
        z = z + 2
        g = g + 2
        e = e + 2
        time.sleep(0.005)

#time.sleep(3)

    while(b <= 380):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        b = b + 2
        d = d + 2
        time.sleep(0.005)

#time.sleep(3)

    while(a >= 280):
        pwm.set_pwm(0, 0, a)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        a = a - 2
        z = z + 2
        g = g + 2
        e = e + 2
        time.sleep(0.005)

#time.sleep(3)

    while(b >= 320):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d - 2
        b = b - 2
        time.sleep(0.005)

#time.sleep(3)

    while(a <= 350):
        pwm.set_pwm(0, 0, a)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        a = a + 2
        z = z - 2
        g = g - 2
        e = e - 2
        time.sleep(0.005)

    while(led >= 0):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led - 15
        time.sleep(0.01)
    led = led + 15


def bk():
    global a, b, c, d, e, z, g, h, i, j, k, l, text, led
    name = "gTTS_Text2Speech"
    text = "はい"
    language = "ja"
    text_to_speech(text, language, name)
    pygame.mixer.music.load("gTTS_Text2Speech.mp3")
    pygame.mixer.music.play(0)

    while(led <= 4095):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led + 15
        time.sleep(0.01)
    led = led - 15

    while True:
        if(pygame.mixer.music.get_busy()!=True):
            break
            time.sleep(0.2)
        pygame.mixer.music.stop()

    time.sleep(1)

    text = ""

    while(d >= 305):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d - 2
        b = b - 2
        time.sleep(0.005)

#time.sleep(3)

    while(c >= 330):
        pwm.set_pwm(2, 0, c)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        c = c - 2
        z = z + 2
        g = g + 2
        e = e + 2
        time.sleep(0.005)

#time.sleep(3)

    while(b <= 320):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d + 2
        b = b + 2
        time.sleep(0.005)

#time.sleep(3)

    while(c <= 400):
        pwm.set_pwm(2, 0, c)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        c = c + 2
        z = z - 2
        g = g - 2
        e = e - 2
        time.sleep(0.005)

#time.sleep(3)

    while(b <= 380):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        b = b + 2
        d = d + 2
        time.sleep(0.005)

#time.sleep(3)

    while(a <= 420):
        pwm.set_pwm(0, 0, a)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        a = a + 2
        z = z - 2
        g = g - 2
        e = e - 2
        time.sleep(0.005)

#time.sleep(3)

    while(b >= 320):
        pwm.set_pwm(1, 0, b)
        pwm.set_pwm(3, 0, d)
        d = d - 2
        b = b - 2
        time.sleep(0.005)

#time.sleep(3)

    while(a >= 350):
        pwm.set_pwm(0, 0, a)
        pwm.set_pwm(4, 0, e)
        pwm.set_pwm(5, 0, z)
        pwm.set_pwm(6, 0, g)
        a = a - 2
        z = z + 2
        g = g + 2
        e = e + 2
        time.sleep(0.005)

    while(led >= 0):
        pwm.set_pwm(12, 0, led)
        pwm.set_pwm(13, 0, led)
        led = led - 15
        time.sleep(0.01)
    led = led + 15


while True:
    try:
        block = stream.read(chunk, exception_on_overflow=False)
        amplitude = get_rms(block)

        if not is_recording:
            if amplitude > THRESHOLD:
                is_recording = True
                print("Recording started")
                frames = []
        elif is_recording:
            if amplitude > THRESHOLD:
                silence_counter = 0
                # Record audio block
                frames.append(block)
                type = "on"
                print("rokuon")
            else:
                if type == "on":
                    #print("on")
                    cdown = time.time()
                    #for i in range(0, int(RATE / chunk * RECORD_SECONDS)):
                    while True:
                        if time.time() < cdown + 3 and amplitude < THRESHOLD:
      #data = stream.read(block)
                            block = stream.read(chunk, exception_on_overflow=False)
                            frames.append(block)
                        #t_end = time.time()
                        #t_time = 3
                        #if time.time() < t_end + t_time:
                            #frames.append(block)
                            #print("kuuhaku")
                        else:
                            print("aaaaaaaaaaaaaaaaaaaaaaaaaaaaa")
                            break
                    #time.sleep(3)
                    type = "off"
                silence_counter += 1
                if silence_counter > (RATE / chunk) * SILENCE_LIMIT:
                    is_recording = False
                    silence_counter = 0
                    print("Recording stopped")
                    # Save recorded audio to file
                    wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
                    wf.setnchannels(CHANNELS)
                    wf.setsampwidth(p.get_sample_size(FORMAT))
                    wf.setframerate(RATE)
                    #print(frames)
                    #frames = [struct.pack('h', s) for s in frames]
                    wf.writeframes(b''.join(frames))
                    wf.close()
                    frames = []
                    #print("nnnnnnnnnnnnaaaaaaaaaaaaaaaaaaasssssssssssssiiiiiiiiii")
                    # 音声ファイルを読み込む
                    with wave.open("output.wav", "rb") as f:
                        frames = f.readframes(f.getnframes())
                        sample_rate = f.getframerate()
                        sample_width = f.getsampwidth()
                        channels = f.getnchannels()
                    print("wait....")
                    msg = 1
                    ### rb(read binary)でデータを読み込む
                    with io.open(speech_file, 'rb') as f:
                        content = f.read()

                    ### RecognitionAudioにデータを渡す
                    audio = speech.RecognitionAudio(content=content)

                    config = speech.RecognitionConfig(
                        ### encodeでエラーが出たのでENCODING_UNSPECIFIEDに変更
                        encoding=speech.RecognitionConfig.AudioEncoding.ENCODING_UNSPECIFIED,
                        sample_rate_hertz=44100,
                        language_code="ja-JP",
                    )

                    ### 音声を抽出
                    response = client.recognize(config=config, audio=audio)

                    ### 抽出結果をprintで表示
                    for result in response.results:
                        if "{}".format(result.alternatives[0].transcript) == "":
                            text = ""
                            frames = []
                            break
                        print("Transcript: {}".format(result.alternatives[0].transcript))
                        text = "{}".format(result.alternatives[0].transcript)
                    # ChatGPTにテキストを送信して回答を受け取る
                    if text != "":
                        if text == "こんにちは":
                            power()
                        elif text == "前に歩いて":
                            fw()
                        elif text == "後ろに歩いて":
                            bk()
                        else:
                            th = threading.Thread(target=recieve)
                            th.start()
                            messages = [
                                {"role": "system", "content"},
                                {"role": "user", "content": text} # ---(※5)
                            ]
                            response = openai.ChatCompletion.create(
                                model="gpt-3.5-turbo",
                                messages=messages)

                            print("response" + response.choices[0]["message"]["content"].strip())
                            text = response.choices[0]["message"]["content"].strip()
                            msg = 2

                     #ChatGPTの回答を音声データに変換してファイルに保存する
                            language = "ja"

                     # 保存ファイル名
                            name = "gTTS_Text2Speech"

                     # 関数実行
                            text_to_speech(text, language, name)

                    # 音楽ファイルの読み込み
                            pygame.mixer.music.load("gTTS_Text2Speech.mp3")
                    # 音楽再生
                            pygame.mixer.music.play(0)
                            while True:
                                if(pygame.mixer.music.get_busy()!=True):
                                    break
                                    time.sleep(0.2)
                            pygame.mixer.music.stop()
                            text = ""


                        print("Done.")
                        msg = 3
                        th = threading.Thread(target=recieve2)
                        th.start()

    except KeyboardInterrupt:

        break
GPIO.cleanup()
stream.stop_stream()

p.terminate()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

384

385

386

387

388

389

390

391

392

393

394

395

396

397

398

399

400

401

402

403

404

405

406

407

408

409

410

411

412

413

414

415

416

417

418

419

420

421

422

423

424

425

426

427

428

429

430

431

432

433

434

435

436

437

438

439

440

441

442

443

444

445

446

447

448

449

450

451

452

453

454

455

456

457

458

459

460

461

462

463

464

465

466

467

468

469

470

471

472

473

474

475

476

477

478

479

480

481

482

483

484

485

486

487

488

489

490

491

492

493

494

495

496

497

498

499

500

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

516

517

518

519

520

521

522

523

524

525

526

527

528

529

530

531

532

533

534

535

536

537

538

539

540

541

542

543

544

545

546

547

548

549

550

551

552

553

554

555

556

557

558

559

560

561

562

563

564

565

566

567

568

569

570

571

572

573

574

575

576

577

578

579

580

581

582

583

584

585

586

587

588

589

590

591

592

593

594

595

596

597

598

599

600

601

602

603

604

605

606

607

608

609

610

611

612

613

614

615

616

617

618

619

620

621

622

import pyaudio

import struct

import math

import audioop

import wave

import time

import os

import io

from google.cloud import speech

import openai

from google.cloud import texttospeech

from gtts import gTTS

import pygame.mixer

import Adafruit_PCA9685

import threading

import RPi.GPIO as GPIO

led = 0

pwm = Adafruit_PCA9685.PCA9685()

pwm.set_pwm_freq(60)

a = 350

b = 320

c = 400

d = 360

e = 400

z = 360

g = 370

h = 330

i = 340

j = 430

k = 380

l = 390

time.sleep(1)

pwm.set_pwm(0, 0, a)

pwm.set_pwm(1, 0, b)

pwm.set_pwm(2, 0, c)

pwm.set_pwm(3, 0, d)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

pwm.set_pwm(7, 0, h)

pwm.set_pwm(8, 0, i)

pwm.set_pwm(9, 0, j)

pwm.set_pwm(10, 0, k)

pwm.set_pwm(11, 0, l)

time.sleep(0.5)

while led <= 4095:

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led + 15

#bb = bb + 15

time.sleep(0.01)

led = led - 15

print("off")

time.sleep(2)

while led >= 0:

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led - 15

#bb = bb - 15

time.sleep(0.01)

led = led + 15

time.sleep(0.1)

pygame.mixer.init()

openai.api_key = "key"

os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = '------.json'

# Instantiates a client

client = speech.SpeechClient()

### 音声データを指定

speech_file = 'output.wav'

chunk = 1024

FORMAT = pyaudio.paInt16

CHANNELS = 1

RATE = 44100

INPUT_DEVICE_INDEX = 0

THRESHOLD = 3000 #700

SILENCE_LIMIT = 3

RECORD_SECONDS = 5

WAVE_OUTPUT_FILENAME = "output.wav"

p = pyaudio.PyAudio()

def get_rms(block):

"""

Returns the root mean square of the audio block.

"""

return audioop.rms(block, 2)

def get_audio_input_device(p, input_device_index, channels=1, rate=44100, frames_per_buffer=1024):

stream = p.open(format=pyaudio.paInt16,

channels=channels,

rate=rate,

input=True,

input_device_index=input_device_index,

frames_per_buffer=frames_per_buffer)

return stream

def ask_gpt(text):

response = openai.Completion.create(

engine="davinci", # 使用する言語モデルを指定する

prompt=text,

max_tokens=1024, # 応答の長さを指定する

n=1, # 応答の候補数を指定する

stop=None, # 応答の終了条件を指定する

)

return response.choices[0].text.strip()

# text to speech関数（引数：変換テキスト、対応言語、出力ファイル名）

def text_to_speech(text, language, name):

# gTTSインスタンスの作成

text2speech = gTTS(text, # 音声変換するテキスト

lang=language, # 対応言語（ja：日本語）

)

# 音声変換したデータをファイルに保存

text2speech.save(name + ".mp3")

return True

stream = get_audio_input_device(p, INPUT_DEVICE_INDEX, CHANNELS, RATE, chunk)

is_recording = False

silence_counter = 0

frames = []

#frames = [bytes(frame) for frame in frames]

type = "nane"

t_end = time.time()

t_time = 3

text = ""

def recieve():

global led

while(led <= 4095):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led + 15

time.sleep(0.01)

led = led - 15

def recieve2():

global led

while(led >= 0):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led - 15

time.sleep(0.01)

led = led + 15

def power():

global a, b, c, d, e, z, g, h, i, j, k, l, text

name = "gTTS_Text2Speech"

text = "こんにちは"

language = "ja"

text_to_speech(text, language, name)

pygame.mixer.music.load("gTTS_Text2Speech.mp3")

pygame.mixer.music.play(0)

#while True:

# if(pygame.mixer.music.get_busy()!=True):

# break

# time.sleep(0.2)

# pygame.mixer.music.stop()

#time.sleep(0.5)

#text = ""

pwm.set_pwm(12, 0, 0)

pwm.set_pwm(13, 0, 0)

while(e <= 480):

pwm.set_pwm(4, 0, e)

e = e + 2

time.sleep(0.005)

time.sleep(1)

while(z <= 580):

pwm.set_pwm(5, 0, z)

z = z + 2

time.sleep(0.005)

time.sleep(0.5)

while(j <= 520):

pwm.set_pwm(9, 0, j)

j = j + 2

time.sleep(0.005)

time.sleep(3)

pwm.set_pwm(12, 0, 4095)

pwm.set_pwm(13, 0, 4095)

pwm.set_pwm(11, 0, 280)

name = "gTTS_Text2Speech"

text = "パワー"

language = "ja"

text_to_speech(text, language, name)

pygame.mixer.music.load("gTTS_Text2Speech.mp3")

pygame.mixer.music.play(0)

#while True:

# if(pygame.mixer.music.get_busy()!=True):

# break

# time.sleep(0.2)

# pygame.mixer.music.stop()

time.sleep(3)

e = 400

z = 360

h = 330

j = 430

#GPIO.output(LED_2,GPIO.LOW)

pwm.set_pwm(12, 0, 0)

pwm.set_pwm(13, 0, 0)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(7, 0, h)

pwm.set_pwm(9, 0, j)

pwm.set_pwm(11, 0, l)

text = ""

def fw():

global a, b, c, d, e, z, g, h, i, j, k, l, text, led

name = "gTTS_Text2Speech"

text = "はい"

language = "ja"

text_to_speech(text, language, name)

pygame.mixer.music.load("gTTS_Text2Speech.mp3")

pygame.mixer.music.play(0)

while(led <= 4095):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led + 15

time.sleep(0.01)

led = led - 15

while True:

if(pygame.mixer.music.get_busy()!=True):

break

time.sleep(0.2)

pygame.mixer.music.stop()

time.sleep(1)

text = ""

while(d >= 305):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d - 2

b = b - 2

time.sleep(0.005)

#time.sleep(3)

while(c <= 470):

pwm.set_pwm(2, 0, c)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

c = c + 2

z = z - 2

g = g - 2

e = e - 2

time.sleep(0.005)

#time.sleep(3)

while(b <= 320):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d + 2

b = b + 2

time.sleep(0.005)

#time.sleep(3)

while(c >= 400):

pwm.set_pwm(2, 0, c)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

c = c - 2

z = z + 2

g = g + 2

e = e + 2

time.sleep(0.005)

#time.sleep(3)

while(b <= 380):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

b = b + 2

d = d + 2

time.sleep(0.005)

#time.sleep(3)

while(a >= 280):

pwm.set_pwm(0, 0, a)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

a = a - 2

z = z + 2

g = g + 2

e = e + 2

time.sleep(0.005)

#time.sleep(3)

while(b >= 320):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d - 2

b = b - 2

time.sleep(0.005)

#time.sleep(3)

while(a <= 350):

pwm.set_pwm(0, 0, a)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

a = a + 2

z = z - 2

g = g - 2

e = e - 2

time.sleep(0.005)

while(led >= 0):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led - 15

time.sleep(0.01)

led = led + 15

def bk():

global a, b, c, d, e, z, g, h, i, j, k, l, text, led

name = "gTTS_Text2Speech"

text = "はい"

language = "ja"

text_to_speech(text, language, name)

pygame.mixer.music.load("gTTS_Text2Speech.mp3")

pygame.mixer.music.play(0)

while(led <= 4095):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led + 15

time.sleep(0.01)

led = led - 15

while True:

if(pygame.mixer.music.get_busy()!=True):

break

time.sleep(0.2)

pygame.mixer.music.stop()

time.sleep(1)

text = ""

while(d >= 305):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d - 2

b = b - 2

time.sleep(0.005)

#time.sleep(3)

while(c >= 330):

pwm.set_pwm(2, 0, c)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

c = c - 2

z = z + 2

g = g + 2

e = e + 2

time.sleep(0.005)

#time.sleep(3)

while(b <= 320):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d + 2

b = b + 2

time.sleep(0.005)

#time.sleep(3)

while(c <= 400):

pwm.set_pwm(2, 0, c)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

c = c + 2

z = z - 2

g = g - 2

e = e - 2

time.sleep(0.005)

#time.sleep(3)

while(b <= 380):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

b = b + 2

d = d + 2

time.sleep(0.005)

#time.sleep(3)

while(a <= 420):

pwm.set_pwm(0, 0, a)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

a = a + 2

z = z - 2

g = g - 2

e = e - 2

time.sleep(0.005)

#time.sleep(3)

while(b >= 320):

pwm.set_pwm(1, 0, b)

pwm.set_pwm(3, 0, d)

d = d - 2

b = b - 2

time.sleep(0.005)

#time.sleep(3)

while(a >= 350):

pwm.set_pwm(0, 0, a)

pwm.set_pwm(4, 0, e)

pwm.set_pwm(5, 0, z)

pwm.set_pwm(6, 0, g)

a = a - 2

z = z + 2

g = g + 2

e = e + 2

time.sleep(0.005)

while(led >= 0):

pwm.set_pwm(12, 0, led)

pwm.set_pwm(13, 0, led)

led = led - 15

time.sleep(0.01)

led = led + 15

while True:

try:

block = stream.read(chunk, exception_on_overflow=False)

amplitude = get_rms(block)

if not is_recording:

if amplitude > THRESHOLD:

is_recording = True

print("Recording started")

frames = []

elif is_recording:

if amplitude > THRESHOLD:

silence_counter = 0

# Record audio block

frames.append(block)

type = "on"

print("rokuon")

else:

if type == "on":

#print("on")

cdown = time.time()

#for i in range(0, int(RATE / chunk * RECORD_SECONDS)):

while True:

if time.time() < cdown + 3 and amplitude < THRESHOLD:

#data = stream.read(block)

block = stream.read(chunk, exception_on_overflow=False)

frames.append(block)

#t_end = time.time()

#t_time = 3

#if time.time() < t_end + t_time:

#frames.append(block)

#print("kuuhaku")

else:

print("aaaaaaaaaaaaaaaaaaaaaaaaaaaaa")

break

#time.sleep(3)

type = "off"

silence_counter += 1

if silence_counter > (RATE / chunk) * SILENCE_LIMIT:

is_recording = False

silence_counter = 0

print("Recording stopped")

# Save recorded audio to file

wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')

wf.setnchannels(CHANNELS)

wf.setsampwidth(p.get_sample_size(FORMAT))

wf.setframerate(RATE)

#print(frames)

#frames = [struct.pack('h', s) for s in frames]

wf.writeframes(b''.join(frames))

wf.close()

frames = []

#print("nnnnnnnnnnnnaaaaaaaaaaaaaaaaaaasssssssssssssiiiiiiiiii")

# 音声ファイルを読み込む

with wave.open("output.wav", "rb") as f:

frames = f.readframes(f.getnframes())

sample_rate = f.getframerate()

sample_width = f.getsampwidth()

channels = f.getnchannels()

print("wait....")

msg = 1

### rb(read binary)でデータを読み込む

with io.open(speech_file, 'rb') as f:

content = f.read()

### RecognitionAudioにデータを渡す

audio = speech.RecognitionAudio(content=content)

config = speech.RecognitionConfig(

### encodeでエラーが出たのでENCODING_UNSPECIFIEDに変更

encoding=speech.RecognitionConfig.AudioEncoding.ENCODING_UNSPECIFIED,

sample_rate_hertz=44100,

language_code="ja-JP",

)

### 音声を抽出

response = client.recognize(config=config, audio=audio)

### 抽出結果をprintで表示

for result in response.results:

if "{}".format(result.alternatives[0].transcript) == "":

text = ""

frames = []

break

print("Transcript: {}".format(result.alternatives[0].transcript))

text = "{}".format(result.alternatives[0].transcript)

# ChatGPTにテキストを送信して回答を受け取る

if text != "":

if text == "こんにちは":

power()

elif text == "前に歩いて":

fw()

elif text == "後ろに歩いて":

bk()

else:

th = threading.Thread(target=recieve)

th.start()

messages = [

{"role": "system", "content"},

{"role": "user", "content": text} # ---(※5)

]

response = openai.ChatCompletion.create(

model="gpt-3.5-turbo",

messages=messages)

print("response" + response.choices[0]["message"]["content"].strip())

text = response.choices[0]["message"]["content"].strip()

msg = 2

#ChatGPTの回答を音声データに変換してファイルに保存する

language = "ja"

# 保存ファイル名

name = "gTTS_Text2Speech"

# 関数実行

text_to_speech(text, language, name)

# 音楽ファイルの読み込み

pygame.mixer.music.load("gTTS_Text2Speech.mp3")

# 音楽再生

pygame.mixer.music.play(0)

while True:

if(pygame.mixer.music.get_busy()!=True):

break

time.sleep(0.2)

pygame.mixer.music.stop()

text = ""

print("Done.")

msg = 3

th = threading.Thread(target=recieve2)

th.start()

except KeyboardInterrupt:

break

GPIO.cleanup()

stream.stop_stream()

p.terminate()

こだわったポイント

・ロボットの電源ON,OFFをタクトスイッチ制御

・電源投入時にWEBサーバー、カメラストリーミング、AI会話プログラム、アナログコントローラープログラムを自動で起動

・音声でのロボット操作

タクトスイッチでの電源ON,OFFは /boot/config.txt に以下のコマンドを追加すればOKです。

dtoverlay=gpio-shutdown,gpio_pin=26,debounce=2000

pinは通常3を利用するそうですが、i2c使用時は使えないので、その場合は以下のコメントアウトを外すと違うピン番号を使う事が出来ます。

#dtparam=i2c_arm=on

最後の数字は2秒になります。スイッチを押して2秒後にシャットダウンになります。これはスイッチのエッジ検出を防ぐ為に秒数を設けています。

カメラストリーミングは起動のシェルスクリプトを作成し、/etc/rc.loal にパスを追加。

コントローラーのプログラムもパスを追加することで起動時にプログラムが走ります。

AI会話プログラムのみ、後述していますがrc.localにパスを追加してもダメでしたので、ターミナルを起動してプログラムを実行する方法にしました。

音声でのロボット操作は、指定したメッセージをmicから拾えば、chatgptにテキストを投げずにそのままサーボ駆動させています。

ハマったポイント

・mjpgstreamerがbullseyeに対応していない（Busterまで）

・WM8960のドライバが bullseye 以降しか対応していない

・ AI会話プログラムの自動起動が上手く行かない

・pythonプログラムのgpioセットアップ時、 WM8960 がエラーを吐く

カメラのストリーミングについては、個人的に使い勝手のいいmjpgstreamerを使用していたのですが、これが旧OSしか対応しておらず、また WM8960のドライバが bullseye 以降しか対応していなかったので先ずここでつまづきました。

パワー君が旧OS（ Buster ）で作成していたので、出来れば旧OSで進めたかったのですが、どうあがいてもWM8960の旧バージョン対応化が無理そうでしたので bullseye で進める事にしました。

色々さがしていると、下記サイトにて bullseye でのmjpgstreamerの起動方法が書いていましたので利用させて頂きました。↓

Raspberry PiでMJPG-Streamerを使って監視カメラを作ってみよう

ポン吉のブログ様から引用

続いて、AI会話プログラムの自動起動ですが、電源投入時のプログラム自動起動はrc.localにプログラム名を追加するなど色々あるのですが、上手く行きませんでした。

そこで見つけたのが、「ターミナルを自動起動してからのプログラム実行」でした。この方法だと上手く起動してくれました。参考にしたサイトはこちら↓

https://qiita.com/tonosamart/items/f59daa481f90c85a8a99

最後に、AI会話プログラム実行後に WM8960 関係のエラーについてです。

エラー内容が音声関係だったのですが、色々原因を探っていくとgpioが起因している事がわかりました。

どうやらいくつかのgpioピン（i2c,spi以外のピン）もWM8960の制御に関わっているらしく、例えばgpio19を使おうとすると音声関係のエラーが出ます。この辺りは恐らく WM8960 のデータシートを見ると分かると思いますが、とりあえずgpio6,gpio13など使えば問題はありませんでした。