የጉግል ንግግር ኤፒአይ እና ፓይዘን በመጠቀም የንግግር ዕውቅና - 4 ደረጃዎች

2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:30

የንግግር ዕውቅና

የንግግር ዕውቅና የአርቲፊሻል ኢንተለጀንስ ንዑስ መስክ የሆነው የተፈጥሮ ቋንቋ ማቀነባበር አካል ነው። በቀላሉ ለማስቀመጥ ፣ የንግግር ማወቂያ የኮምፒተር ሶፍትዌር ቃላትን እና ሀረጎችን በንግግር ቋንቋ የመለየት እና ወደ ሰው ሊነበብ ወደሚችል ጽሑፍ የመለወጥ ችሎታ ነው። እንደ የድምፅ ረዳት ስርዓቶች ፣ የቤት አውቶማቲክ ፣ የድምፅ ላይ የተመሠረተ ቻትቦቶች ፣ የድምፅ መስተጋብር ሮቦት ፣ ሰው ሰራሽ የማሰብ ችሎታ እና ወዘተ ባሉ በብዙ መተግበሪያዎች ውስጥ ጥቅም ላይ ውሏል።

ንግግርን ለመለየት የተለያዩ ኤፒአይዎች (የመተግበሪያ ፕሮግራም በይነገጽ) አሉ። ነፃ ወይም የተከፈለ አገልግሎቶችን ይሰጣሉ። እነዚህም -

• CMU ሰፊኒክስ
• የጉግል ንግግር ዕውቅና
• የጉግል ደመና ንግግር ኤፒአይ
• Wit.ai
• የማይክሮሶፍት ቢንግ ድምጽ ማወቂያ
• Houndify ኤፒአይ
• የ IBM ንግግር ወደ ጽሑፍ
• የበረዶ መንሸራተቻ ቃል መፈለጊያ

ምንም የኤፒአይ ቁልፍ ስለማይፈልግ የ Google ንግግር ማወቂያን እዚህ እንጠቀማለን። ይህ መማሪያ ከሴይድ ስቱዲዮ እንደ ReSpeaker USB 4-Mic Array በመሳሰሉ ውጫዊ ማይክሮፎን በመታገዝ በፓይዘን ላይ የ Google ንግግር ማወቂያ ቤተ-መጽሐፍት እንዴት እንደሚጠቀሙበት መግቢያ ለማቅረብ ያለመ ነው። ምንም እንኳን ውጫዊ ማይክሮፎን መጠቀም ግዴታ ባይሆንም አብሮገነብ የላፕቶፕ ማይክሮፎን እንኳን መጠቀም ይቻላል።

ደረጃ 1: ድምጽ ማጉያ ዩኤስቢ 4-ማይክ ድርድር

የ ReSpeaker USB Mic በአይዲ ስቱዲዮ የተገነባ ለኤአይ እና ለድምጽ መተግበሪያዎች የተነደፈ ባለአራት ማይክሮፎን መሣሪያ ነው። በክፍሉ ውስጥ ከማንኛውም ቦታ ድምጽዎን ለማንሳት የተነደፉ 4 ከፍተኛ አፈፃፀም ፣ አብሮገነብ በሁሉም አቅጣጫ የማይክሮፎኖች እና 12 በፕሮግራም ሊሠሩ የሚችሉ የ RGB LED አመልካቾች አሉት። የ ReSpeaker USB ማይክሮፎን ሊኑክስን ፣ ማክሮን እና ዊንዶውስ ኦፐሬቲንግ ሲስተሞችን ይደግፋል። ዝርዝሮች እዚህ ሊገኙ ይችላሉ።

የ ReSpeaker USB ማይክሮፎን የሚከተሉትን ዕቃዎች የያዘ በጥሩ ጥቅል ውስጥ ይመጣል-

• የተጠቃሚ መመሪያ
• ReSpeaker USB Mic Array
• ማይክሮ ዩኤስቢ ወደ ዩኤስቢ ገመድ

ስለዚህ ለመጀመር ዝግጁ ነን።

ደረጃ 2 - አስፈላጊ ቤተ -ፍርግሞችን ይጫኑ

ለዚህ መማሪያ ፣ እኔ Python 3.x ን እየተጠቀሙ ይመስለኛል።

ቤተመፃሕፍቱን እንጫን ፦

pip3 ጫን SpeechRecognition

ለ macOS ፣ መጀመሪያ ፖርትኦዲዮን ከ Homebrew ጋር መጫን እና ከዚያ PyAudio ን በ pip3 መጫን ያስፈልግዎታል።

ፖርቱዲዮን ይጫኑ

Pyaudio ን ለመጫን ከዚህ በታች ትእዛዝ እንሰራለን

pip3 ጫን pyaudio

ለሊኑክስ ፣ PyAudio ን በተገቢ ሁኔታ መጫን ይችላሉ-

sudo apt-get install python-pyaudio python3-pyaudio

ለዊንዶውስ ፣ PyAudio ን ከ pip ጋር መጫን ይችላሉ-

pip install pyaudio

አዲስ የፓይዘን ፋይል ይፍጠሩ

ናኖ get_index.py

ከኮድ ቁራጭ በታች በ get_index.py ላይ ይለጥፉ

pyaudio ማስመጣት

p = pyaudio. '))> 0: ማተም ("የግቤት መሣሪያ መታወቂያ" ፣ እኔ ፣ " -" ፣ p.get_device_info_by_host_api_device_index (0, i).get (' ስም '))

የሚከተለውን ትዕዛዝ ያሂዱ:

python3 get_index.py

በእኔ ሁኔታ ትዕዛዙ የሚከተለውን ውጤት ወደ ማያ ገጽ ይሰጣል-

የግቤት መሣሪያ መታወቂያ 1 - ድምጽ ማጉያ 4 ማይክ ድርድር (UAC1.0)

የግቤት መሣሪያ መታወቂያ 2 - ማክቡክ አየር ማይክሮፎን

ከዚህ በታች ባለው ኮድ ቅንጭብ ውስጥ በመረጡት መሠረት የመሣሪያ_መረጃን ወደ የመረጃ ጠቋሚ ቁጥር ይለውጡ።

የንግግር_እውቅና እንደ ኤስ አር አስመጣ

r = sr. Recognizer () speech = sr. Microphone (device_index = 1) ከንግግር እንደ ምንጭ: ማተም ("አንድ ነገር ይናገሩ! …") ድምጽ = r.adjust_for_ambient_noise (ምንጭ) ኦዲዮ = r.listen (ምንጭ) ይሞክሩ: recog = r. ("ከ Google ንግግር ማወቂያ አገልግሎት ውጤቶችን መጠየቅ አልቻልኩም ፤ {0}"። ቅርጸት (ሠ))

በ ReSpeaker 4 Mic Micray እንደ የመሣሪያ መረጃ ጠቋሚ 1 ተመርጧል።

ደረጃ 3 ከፓትስክስ 3 ቤተ-መጽሐፍት ጋር በ Python ውስጥ ጽሑፍ-ወደ-ንግግር

በፓይዘን ውስጥ ጽሑፍን ወደ ንግግር ለመለወጥ በርካታ ኤፒአይዎች አሉ። ከእንደዚህ ዓይነት ኤፒአይዎች አንዱ በእኔ አስተያየት በጣም ጥሩ የሚገኝ የጽሑፍ-ወደ-ንግግር ጥቅል የሆነው pyttsx3 ነው። ይህ ጥቅል በዊንዶውስ ፣ ማክ እና ሊኑክስ ውስጥ ይሠራል። ይህ እንዴት እንደሚደረግ ለማየት ኦፊሴላዊውን ሰነድ ይመልከቱ።

ጥቅሉን ይጫኑ ጥቅሉን ለመጫን ፒፕ ይጠቀሙ።

pip install pyttsx3

በዊንዶውስ ውስጥ ከሆኑ ቤተኛውን የዊንዶውስ ንግግር ኤፒአይ ለመድረስ የሚያስፈልገው ተጨማሪ ጥቅል ፣ pypiwin32 ያስፈልግዎታል።

pip ጫን pypiwin32

ጽሑፍን ወደ ንግግር ፓይዘን ስክሪፕት ይለውጡ pyttsx3 ን በመጠቀም ለጽሑፍ ወደ ንግግር የኮድ ቁራጭ ነው።

አስመጪ pyttsx3

ሞተር = pyttsx3.init ()

engine.setProperty ('rate', 150) # የፍጥነት መቶኛ

engine.setProperty ('volume' ፣ 0.9) # ጥራዝ 0-1

engine.say (“ሰላም ፣ ዓለም!”)

engine.runAndWait ()

ደረጃ 4 - ሁሉንም አንድ ላይ ማድረግ - የንግግር ማወቂያ ኤፒአይ እና ፒትትክስ 3 ቤተመፃሕፍት በመጠቀም የንግግር ማወቂያን በፓይዘን መገንባት

ከዚህ በታች ያለው ኮድ የጉግል ንግግር ማወቂያን በመጠቀም የሰውን ንግግር የማወቅ እና pyttsx3 ቤተ -መጽሐፍት በመጠቀም ጽሑፉን ወደ ንግግር የመለወጥ ኃላፊነት አለበት።

የንግግር_እውቅና እንደ ኤስ አር አስመጣ

አስመጪ pyttsx3 ሞተር = pyttsx3.init () engine.setProperty ('rate', 200) engine.setProperty ('volume', 0.9) r = sr. Recognizer () speech = sr. Microphone (device_index = 1) ከንግግር እንደ ምንጭ: ኦዲዮ = r.adjust_for_ambient_noise (ምንጭ) ኦዲዮ = r.listen (ምንጭ) ይሞክሩት: recog = r.recognize_google (ኦዲዮ ፣ ቋንቋ = 'en-US') ህትመት ("እርስዎ እንዲህ ብለዋል" + recog) engine.say (" እርስዎ እንዲህ ብለዋል ፦ “+ recog) engine.runAndWait () ከ SR. UnknownValueError: engine.say (“የጉግል ንግግር ማወቂያ ድምጽን መረዳት አልቻለም”) engine.runAndWait () ከ sr. RequestError በስተቀር እንደ e. engine.say (“አልተቻለም”) ከ Google ንግግር ማወቂያ አገልግሎት ውጤቶችን ይጠይቁ ፤ {0} "። ቅርጸት (ሠ) engine.runAndWait ()

ተርሚናል ላይ ውፅዓት ያትማል። እንዲሁም ወደ ንግግርም ይለወጣል።

እርስዎ እንዲህ አሉ -ለንደን የታላቋ ብሪታንያ ዋና ከተማ ናት

የንግግር ማወቂያን በአጠቃላይ እንዴት እንደሚሰራ እና ከሁሉም በላይ ፣ የጉግል ንግግር ማወቂያ ኤፒአይ ከፓይዘን ጋር እንዴት እንደሚተገበር አሁን የተሻለ ግንዛቤ እንዲኖርዎት ተስፋ አደርጋለሁ።

ማንኛውም ጥያቄ ወይም አስተያየት ካለዎት? ከዚህ በታች አስተያየት ይተው። ይከታተሉ!