这样就完成了大部分的识别任务。语音合成我想知道谁在门口。一开始，我以为在铃声设备上播放声音是最佳策略，但亚马逊不允许我这么做，只允许我播放铃声伴随的默认声音。因此，从文本到语音似乎是一种更合适的方式。这可以通过两个包GTTS和playsound来简化。GTTS使用谷歌的Tacotron 2模型。虽然完全理解它的工作原理并不重要，但对于感兴趣的读者来说，该图说明了它的架构

Tacotron与Seq2Seq非常相似，但是它使用了双向LSTM、卷积层、预网络层，以及最重要的2D生成输入到解码器（光谱图）。如果你想了解更多关于Tacotron 2的内容，这里有一个由CodeEmporium制作的关于这个主题的视频。https：／／www．youtube．com／watch？v＝le1LH4nPfmE＆ab＿channel＝CodeEmporium虽然Tacotron 2算不上是最好的，尤其是与transformer 模型相比，但它确实做到了。使用GTTS python API的方法如下：from gtts import gTTS
from playsound import playsound
language ＝ ＇en＇
slow＿audio＿speed ＝ False
filename ＝ ＇tts＿file．mp3＇
def text＿to＿speech（text）：
   audio＿created ＝ gTTS（text＝text， lang＝language，
                        slow＝slow＿audio＿speed）
   audio＿created．save（filename）
   playsound（filename）

很简单。我使用playsound而不是os．system的原因是，os．system将默认打开默认的声音播放器应用程序，而playsound不会弹出任何窗口。这就完成了项目的最后一个步骤。总结和Git存储库请在这里查看我的git存储库，以获得完整的代码，并轻松地定制你自己的门铃。https：／／github．com／dude123studios／SmarterRingV2在README．md中查看说明，并解释在你自己的家里使用这个系统的确切步骤。只需要5分钟就可以安装好！亚马逊，把它放进你的下一个门铃里！进一步的探索和问题FaceNet是一个相当过时的模式。在过去的五年里，在transformer模型方面有了重大发现，例如ViT。GPT－3是一个概括之神。完成创建广义嵌入的任务后，GPT－3之类的转换器会更好地工作吗？卷积神经网络可能不是面部识别的最佳选择，因为长期依赖关系（如耳朵或下颚线）需要庞大的网络。另一方面，transformer模型可以考虑到自相似性，并且实时进行人脸识别的速度要快得多。