离线语音 Snowboy 热词唤醒 + 树莓派语音交互实现开关灯

未分类 徐 自远 858℃

离线语音 Snowboy 热词唤醒 + 树莓派语音交互实现开关灯


离线语音Snowboy热词唤醒+ 树莓派语音交互实现开关灯 – osc_tdheup3x的个人空间 – OSCHINA


#离线语音 Snowboy 热词唤醒

语音识别现在有非常广泛的应用场景,如手机的语音助手,智能音响 (小爱,叮咚,天猫精灵…) 等。语音识别一般包含三个阶段:热词唤醒,语音录入,识别和逻辑控制阶段.

热词唤醒就是唤醒设备,让设备解析你接下来说的话。通常设备一直在录入周围的声音,但是设备此时不会有任何反应。当通过像「Hi,Siri」这样的唤醒词被唤醒以后,设备就开始处理接下来的声音了。热词唤醒是语音识别的开始。

Snowboy 是比较流行的热词唤醒框架,目前已经被百度收购。Snowboy 对中文支持友好,相对 Pocketsphinx 配置使用较为简单,推荐使用。

snowboy 官方文档地址 [英文的] http://docs.kitt.ai/snowboy

安装

一、获取源代码并编译

安装依赖

树莓派原生的音频设备是不支持语音输入的(无法录音),需要在网上购买一支免驱动的 USB 音频驱动,一般插上即可直接使用。 建议安装下 pulseaudio 软件,减少音频配置的步骤: $ sudo apt-get install pulseaudio

安装 sox 软件测试录音与播放功能: $ sudo apt-get install sox

安装完成后运行 sox -d -d 命令,对着麦克风说话,确认可以听到自己的声音。

安装其他软件依赖

  • 安装 PyAudio:$ sudo apt-get install python3-pyaudio
  • 安装 SWIG(>3.0.10):$ sudo apt-get install swig
  • 安装 ATLS:$ sudo apt-get install libatls-base-dev

编译源代码

获取源代码:$ git clone https://github.com/Kitt-AI/snowboy.git 编译 Python3 绑定:$ cd snowboy/swig/Python3 && make

测试

如果使用的是树莓派,你还需要在 ~/.asoundrc 更改声卡设置:

进入官方示例目录 snowboy/examples/Python3 并运行以下命令: $ python3 demo.py resources/models/snowboy.umdl ( 命令中的 snowboy.umdl 文件即语音识别模型

然后对着麦克风清晰地讲出 **“snowboy”**,如果可以听到 “滴” 的声音,则安装配置成功。

PS:官方源代码使用 Python3 测试有报错,经测试需修改 snowboy/examples/Python3 目录下的 snowboydecoder.py 文件。 将第 5 行代码 from * import snowboydetect 改为 import snowboydetect 即可直接运行。

快速开始

GitHub 上有比较详细的 Demo,强烈建议先看看。先创建一个 HotwordDetect 类,这个类包含唤醒模型,声音增益,灵敏度等参数。然后初始化 Detector 对象,Snowboy 的 Detector 类存在下载下来的源码里。训练模型可以是单个,也可以是列表形式。

初始化以后可以创建启动方法,启动方法一般会指定一个唤醒回调函数,也就是 「Hi,Siri」之后可能出现的「叮」声;还可以指定录音回调函数,也就是设备唤醒以后你需要用这些声音去干什么:

这里的逻辑可以自己去定义,主要是在两个状态间切换,当设备接收到唤醒词以后,status 会指出被识别到的唤醒词的序号,比如你定义了 「Siri」和 「Xiaowei」两个唤醒词,status 为 1 就表示 Siri 被唤醒,status 为 2 就表示 Xiaowei 被唤醒。然后将状态改成激活状态,这个时候执行 audio_recorder_callback 方法,执行完后将状态切换回唤醒状态。

在线语音识别

当设备被唤醒以后,你可以拿到录音数据去做任何想做的事情,包括调取百度等语音识别接口。这些逻辑都包含在 audio_recorder_callback 回调方法中。需要注意的是 Snowboy 目前只支持 16000 的录音采样率,其他采样率的录音数据都不能使用,你可以通过两种办法来解决:

  • 使用支持 16000 采样率的声卡
  • 进行录音数据的采样率转换

目前比较大的两家声卡芯片公司 C-Media 和 RealTek 一般产品都是 48k 以上的,支持 16k 的芯片一般比较贵,可能到 60 元左右。「绿联」有两款产品可以支持,购买时请查看产品参数,对照芯片公司的产品型号是否支持 16k 采样。

声音模型的训练

官方提供两种模式进行个性化声音模型创建:

  • website。只要你有 GitHub,Google 和 Facebook 帐号中的一种,登录就可以录音完成训练。
  • train-api。根据文档传指定的参数就可以完成训练,api 返回给你升学模型的数据。

这两种方式获得的都是私人的声音模型,获取的是 .pmdl 的文件形式。一般化的 universal 模型不提供,需要联系官方商业合作。获取到的模型,越多人测试准确率越高,为了提高准确率,你可以邀请更多人来测试你的模型。还有麦克风的种类也会影响准确度,在什么设备上使用就在那个设备上训练模型能提高准确率。语音识别是一个比较精尖的技术,需要注意很多问题,正如 ChenGuo 说的:

Speech Recognition is not that easy.

在自己的项目中使用

将以下文件复制到自己的项目目录下:

  • 下载好的 model.pmdl 模型文件
  • snowboy/swig/Python3 目录下编译好的 _snowboydetect.so 库
  • snowboy/examples/Python3 目录下的 demo.pysnowboydecoder.pysnowboydetect.py 文件以及 resources 目录
  • 在项目目录下执行 $ python3 demo.py model.pmdl 并使用自己的唤醒词进行测试

orangePi 下使用语音识别来实现语音开关灯,需要联网使用.

gpio.py

之前案例修改了以下. control.py

相关参考文档:

http://docs.kitt.ai/snowboy/#api-v1-train

https://github.com/Kitt-AI/snowboy

https://looker53.github.io/2018/03/29/20180329-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB%E4%B9%8BSnowboy%E7%83%AD%E8%AF%8D%E5%94%A4%E9%86%92/

转载请注明:徐自远的乱七八糟小站 » 离线语音 Snowboy 热词唤醒 + 树莓派语音交互实现开关灯

喜欢 (1)

苏ICP备18041234号-1 bei_an 苏公网安备 32021402001397号