IoT-For-Beginners 实战：为虚拟 IoT 设备配置麦克风与扬声器，开启语音识别之旅-开发者社区

IoT-For-Beginners 实战：为虚拟 IoT 设备配置麦克风与扬声器，开启语音识别之旅

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners

在《IoT-For-Beginners》课程的 "Recognize speech with an IoT device"（语音识别）一课中，学习者既可以使用 Wio Terminal、Raspberry Pi 等真实硬件，也可以使用运行在普通计算机上的**虚拟 IoT 设备（Virtual IoT device）**完成全部实验。本指南对应课程中的 "Configure your microphone and speakers" 环节（原文档位于 translations/de/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md，以下统称「虚拟设备音频配置」），讲解如何为虚拟 IoT 设备准备麦克风与扬声器环境。完成本环节后，你将具备在 Windows / macOS / Linux 上搭建语音采集与语音转文本（Speech-to-Text）实验环境的能力，并理解该环节在后续「智能厨房定时器」项目中的衔接关系。

为什么虚拟 IoT 设备需要独立的音频配置

虚拟 IoT 设备是课程提供的一种开发替代方案：当你不具备 Wio Terminal 或 Raspberry Pi 硬件时，可以用安装了 Python 的普通计算机模拟 IoT 设备的行为。与真实硬件需要外接 Grove 传感器不同，虚拟 IoT 设备直接使用连接到计算机的麦克风和扬声器作为"传感器"与"执行器"——麦克风扮演音频传感器的角色（把声波转换为电信号），扬声器则负责输出音频反馈。

这一点与课程 README 中对麦克风的定位一脉相承：麦克风是典型的模拟传感器，空气中的振动引起内部组件微小位移，进而引起电信号的微小变化，这些变化经放大后形成电输出。在虚拟设备方案中，这个"传感器"就是计算机上的麦克风硬件，后续课程会用 AI 服务把采集到的语音转换为文本，从而实现语音控制。

因此，在开始写代码之前，必须先确认或补齐计算机的音频硬件，这正是本环节要解决的问题。

前提条件：计算机的麦克风与扬声器

虚拟 IoT 设备运行在计算机上，其语音识别流程依赖两块音频硬件：

麦克风：负责采集语音，供后续语音转文本使用；
扬声器：用于输出音频反馈（后续课程中会用语音播报定时器状态，同时在当前课程中用于验证麦克风采集是否正常）。

如果你的计算机已经内置麦克风和扬声器（如大多数笔记本），则无需额外操作，直接进入后续虚拟设备音频采集环节即可。

硬件选型清单

如果你的计算机没有内置麦克风和扬声器，则必须使用自有硬件连接，原文档给出的可选方案如下：

USB 麦克风（USB microphone）：即插即用，是最常见的外接方案；
USB 扬声器（USB speakers）：通过 USB 供电并传输音频；
显示器内置扬声器，经 HDMI 连接（Speakers built into your monitor and connected over HDMI）：利用显示器作为音频输出设备；
蓝牙耳机/耳麦（Bluetooth headset）：同时提供麦克风与扬声器功能。

提示：与 Raspberry Pi 方案中「蓝牙麦克风兼容性不佳」的注意事项不同，虚拟设备运行在桌面操作系统上，上述设备在 Windows、macOS 和 Linux 下均可按操作系统标准的音频设备机制工作。

安装与配置步骤

原文档明确要求：参照硬件制造商的说明完成所选设备的安装与配置。虽然不同厂商、不同接口（USB / HDMI / 蓝牙）的配置细节各异，但整体遵循以下通用检查流程：

按制造商说明将设备连接到计算机（插入 USB 接口、连接 HDMI 线或完成蓝牙配对）；
确认操作系统已识别该设备——在 Windows 的"声音设置"、macOS 的"声音"偏好设置或 Linux 的音频设置中检查输入/输出设备；
将目标设备设为默认输入（麦克风）与默认输出（扬声器）；
用系统自带的录音/播放功能做一次快速回环测试，确认采集与回放均正常。

如果你使用 Raspberry Pi 而非虚拟设备，可参考课程中更详尽的 pi-microphone.md，其中包含arecord -l、aplay -l、修改/usr/share/alsa/alsa.conf默认声卡等 Linux 特有的配置命令。

验证音频环境并衔接后续实验

完成硬件配置后，虚拟设备方案在音频采集上几乎无需额外代码——课程文档 virtual-device-audio.md 明确说明：

本课程稍后将用于把语音转换为文本的 Python 库，在 Windows、macOS 和 Linux 上都内置了音频采集能力，你在这里不需要做任何事。

也就是说，后续实验使用的语音服务 Python SDK 会自动调用操作系统默认的音频输入设备，读取你在上一节中配置好的麦克风。这一步验证通过后，就可以进入虚拟设备语音转文本环节编写代码。

语音转文本示例：虚拟设备如何用上麦克风

课程为虚拟设备提供了完整的可运行示例，位于 code-speech-to-text/virtual-iot-device/smart-timer/app.py。其核心流程展示了麦克风采集到的语音如何被转换为文本：

import time from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer speech_api_key = '<key>' location = '<location>' language = '<language>' recognizer_config = SpeechConfig(subscription=speech_api_key, region=location, speech_recognition_language=language) recognizer = SpeechRecognizer(speech_config=recognizer_config) def process_text(text): print(text) def recognized(args): process_text(args.result.text) recognizer.recognized.connect(recognized) recognizer.start_continuous_recognition() while True: time.sleep(1)

运行前需要安装语音服务 SDK：

pip install azure-cognitiveservices-speech

如果安装时报错ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech，先执行pip install --upgrade pip升级 Pip 后重试。

从代码结构可以看出虚拟设备方案的几个关键设计：

SpeechConfig通过订阅密钥、区域（region）与识别语言（如en-GB英语、zh-HK粤语）完成语音服务配置；
SpeechRecognizer在后台线程持续监听麦克风，按音频电平自动切分语音块，在语句结束时触发识别；
recognized回调把识别结果打印到控制台，验证麦克风链路是否打通。

其中"监听麦克风"正是本环节配置的音频硬件在发挥传感器作用——这也是把"配置麦克风"作为独立环节放在语音转文本之前的根本原因。课程 README 还强调，语音识别模型能够结合上下文修正同音词（如 "two / to / too"），这正是识别引擎的能力，而非麦克风硬件本身。

IoT-For-Beginners 实战：为虚拟 IoT 设备配置麦克风与扬声器，开启语音识别之旅