3. 开发环境搭建：Python虚拟环境配置、主要依赖库安装

好，咱们正式开始动手了。这一章我带你搭开发环境。别小看这一步，我见过太多人因为环境没配好，卡在“导入报错”上浪费一整天。说白了，环境搭得稳，后面才能跑得顺。

3.1 为什么非得用虚拟环境？

你想想看，一个项目要 SpeechRecognition，另一个项目要 whisper，它们依赖的 Python 版本或者底层库可能不一样。要是全装到系统里，迟早会打架。我早期做项目时吃过这个亏——装了个新版 PyAudio，结果把另一个语音项目搞崩了。从那以后，我每个项目都老老实实开虚拟环境。

3.2 创建 Python 虚拟环境

我用的是 Python 自带的 venv 模块，轻量、够用。你也可以用 conda，但咱们这个课程用 venv 就足够了。

打开终端，进到你的项目目录，然后执行：

# 创建虚拟环境，名字叫 voice_env
python -m venv voice_env

嗯，这里要注意：如果你电脑上同时装了 Python 2 和 Python 3，记得用 python3 而不是 python。

创建好后，激活它：

激活成功后，终端前面会出现 (voice_env) 的标识。看到这个，就说明你已经在虚拟环境里了。

3.3 安装核心依赖库

好，环境激活了，接下来装库。咱们这个语音控制全家桶，主要依赖下面这几个：

• SpeechRecognition —— 语音识别接口封装，支持 Google、CMU Sphinx 等后端
• PyAudio —— 音频输入输出，麦克风录音全靠它
• whisper —— OpenAI 的本地语音识别模型，离线也能用
• edge-tts —— 微软 Edge 的 TTS 接口，免费且音质不错

直接一行命令搞定：

pip install SpeechRecognition PyAudio whisper edge-tts

等等，这里有个坑。PyAudio 在 Windows 上经常装不上，因为它依赖 PortAudio 的 C 库。我曾经在这上面卡了半小时，后来发现解决办法很简单：

pip install PyAudio‑0.2.11‑cp39‑cp39‑win_amd64.whl

macOS 用户可以用 Homebrew 先装 PortAudio：

brew install portaudio
pip install PyAudio

Linux 用户一般直接装就行，如果报错就装 portaudio19-dev：

sudo apt-get install portaudio19-dev python3-pyaudio
pip install PyAudio

3.4 验证安装是否成功

库装完了，怎么知道能不能用？写个小脚本测一下：

import speech_recognition as sr
import pyaudio
import whisper
import edge_tts

print("SpeechRecognition 版本:", sr.__version__)
print("PyAudio 版本:", pyaudio.__version__)
print("whisper 版本:", whisper.__version__)
print("edge-tts 导入成功！")

# 检查麦克风
mic = sr.Microphone()
print("默认麦克风:", mic.device_index)

如果没报错，说明环境搭好了。如果 PyAudio 报错，八成是没装好，回头检查一下上一步。

3.5 知识体系总览

下面这张图，帮你理清这一章的核心逻辑：

3.6 常见问题与避坑

我整理了几个新手最容易踩的坑，你遇到了直接对照着看：

• pip 版本太旧：装库前先升级 pip，pip install --upgrade pip。我遇到过因为 pip 版本低，装 whisper 一直失败的情况。
• whisper 模型下载慢：第一次用 whisper 时会自动下载模型文件（几百 MB）。如果卡住，可以手动去 Hugging Face 下载，放到 ~/.cache/whisper/ 目录下。
• edge-tts 需要网络：它调用的是微软 Edge 的在线接口，没网的时候会报错。离线场景下，建议用 pyttsx3 作为备选。
• 麦克风权限：macOS 和 Windows 上，第一次用 PyAudio 录音时，系统会弹权限请求。记得点“允许”，不然录音一直是静音。