Здравствуй, Уважаемый %username%.
Небольшое введение
В данной статье я хотел бы рассказать вам о распознавании голоса, написанном на таком языке программирования как Bash. В качестве OC я выбрал Ubuntu 12.04
Ближе к теме
Распознавание голоса будет осуществляться сервисом Google, который используется в браузере Google Chrome для голосового поиска. Приступим?
Алгоритм работы
- Записываем звуковой файл speech.wav длиной в 3 секунды с рейтом 16 мГц
- Конвертируем speech.wav в speech.flac (лишь такой формат умеет принимать Google)
- Отправляем Google speech.flac, представившись браузером Google Chrome
- Получаем ответ вида:
{"status":0,"id":"37h03bf4efe17fa76594732d6dokf3-1","hypotheses":[{"utterance":"раз два три","confidence":0.75936891}]}
раз два три — распознанный текст
0.75936891 — достоверность распознавания (если данное значение больше 0.5, то распознавание считается достоверным) - Вычленяем значения utterance и confidence в отдельные переменные и выводим их на экран
Реализация
- Создаём файл speech.sh следующего содержания (код с комментариями):
#!/bin/bash echo "Начинается запись..." arecord -d 3 -q -f cd -r 16000 speech.wav # Записываем звуковой файл speech.wav длиной в 3 секунды с рейтом 16 мГц echo "Запись закончена" sox speech.wav speech.flac gain -n -5 silence 1 5 2% # Конвертируем speech.wav в speech.flac rm speech.wav # Удаляем speech.wav, т.к. он нам уже не требуется echo "Анализ голоса..." wget -q -U "Mozilla/5.0" --post-file speech.flac --header="Content-Type: audio/x-flac; rate=16000" -O - "http://www.google.com/speech-api/v1/recognize?lang=ru-RU&client=chromium" > all.ret # Отправляем Google speech.flac, представившись браузером Google Chrome и полученный ответ сохраняем в файл all.ret rm speech.flac # Удаляем speech.flac, т.к. он нам уже не требуется cat all.ret | sed 's/.*utterance":"//' | sed 's/","confidence.*//' > text.txt # Вычленяем значение utterance в файл text.txt cat all.ret | sed 's/.*confidence"://' | sed 's/}]}.*//' > confidence.txt # Вычленяем значение confidence в файл confidence.txt rm all.ret # Удаляем all.ret, т.к. он нам уже не требуется TEXT="$(cat text.txt)" # Переменной TEXT присваиваем содержимое файла text.txt CONFIDENCE="$(cat confidence.txt)" # Переменной CONFIDENCE присваиваем содержимое файла confidence.txt rm text.txt # Удаляем text.txt, т.к. он нам уже не требуется rm confidence.txt # Удаляем confidence.txt, т.к. он нам уже не требуется echo $TEXT # Выводим значение переменной TEXT echo $CONFIDENCE # Выводим значение переменной CONFIDENCE
- Закачиваем через консоль необходимые пакеты:
sudo apt-get install lame
sudo apt-get install sox
- Устанавливаем через консоль файлу speech.sh права на запуск:
sudo chmod 755 speech.sh
Ну а теперь можно запустить наш скриптик и проверить его работоспособность консольной командой:
./speech.sh
Как это всё выглядит у меня:
Итого
И так, подведём итоги: распознавание голоса не такая уж и «нереальность». Умелый человек с прямыми сможет найти полезное применение. К примеру, на его основе я создаю «Умный дом» с голосовым управлением.
До скорых встреч, %username%.
Автор: AnthonyCherepkov