O reconhecimento de fala é um recurso importante em diversos aplicativos utilizados, como automação residencial, inteligência artificial, etc. Este artigo tem como objetivo fornecer uma introdução sobre como utilizar a biblioteca SpeechRecognition do Python. Isso é útil porque pode ser usado em microcontroladores como o Raspberri Pis com a ajuda de um microfone externo.

Instalações Requeridas

O seguinte deve ser instalado:

1. Módulo Python Speech Recognition:

    sudo pip install SpeechRecognition 

2. PyAudio: Use o seguinte comando para usuários Linux

   sudo apt-get install python-pyaudio python3-pyaudio

   Se as versões nos repositórios forem muito antigas, instale o pyaudio usando o seguinte comando

   sudo apt-get install portaudio19-dev python-all-dev python3-all-dev &&
   sudo pip install pyaudio

   Use pip3 em vez de pip para python3.
   Os usuários do Windows podem instalar o pyaudio executando o seguinte comando em um terminal

   
   
   
   

   pip instalar pyaudio

Entrada de fala usando um microfone e tradução de fala para texto

1. Configurar microfone (para microfones externos): É aconselhável especificar o microfone durante o programa para evitar falhas.
   Digite lsusb no terminal. Uma lista de dispositivos conectados será exibida. O nome do microfone ficaria assim

   Dispositivo USB 0x46d: 0x825: Áudio (hw: 1, 0)

   Anote isso, pois ele será usado no programa.

2. Definir tamanho do bloco: Basicamente, envolve a especificação de quantos bytes de dados queremos ler de uma vez. Normalmente, este valor é especificado em potências de 2, como 1024 ou 2048
3. Definir taxa de amostragem: a taxa de amostragem define com que frequência os valores são registrados para processamento
4. Defina a ID do dispositivo para o microfone selecionado : nesta etapa, especificamos a ID do dispositivo do microfone que desejamos usar para evitar ambigüidade no caso de haver vários microfones. Isso também ajuda a depurar, no sentido de que, durante a execução do programa, saberemos se o microfone especificado está sendo reconhecido. Durante o programa, especificamos um parâmetro device_id. O programa dirá que device_id não pôde ser encontrado se o microfone não for reconhecido.
5. Permitir ajuste para ruído ambiente: Como o ruído ambiente varia, devemos permitir que o programa um segundo ou mais para ajustar o limite de energia da gravação para que seja ajustado de acordo com o nível de ruído externo.
6. Tradução de voz para texto: isso é feito com a ajuda do Google Speech Recognition. Isso requer uma conexão ativa com a Internet para funcionar. No entanto, existem certos sistemas de reconhecimento offline, como o PocketSphinx, mas têm um processo de instalação muito rigoroso que requer várias dependências. O reconhecimento de voz do Google é um dos mais fáceis de usar.

As etapas acima foram implementadas abaixo:

filter_none
editar
fechar
play_arrow
link
brilho_4
código
import speech_recognition as sr    mic_name = "USB Device 0x46d:0x825: Audio (hw:1, 0)" sample_rate = 48000 chunk_size = 2048 r = sr.Recognizer()    mic_list = sr.Microphone.list_microphone_names()    for i, microphone_name in enumerate(mic_list):     if microphone_name == mic_name:         device_id = i    with sr.Microphone(device_index = device_id, sample_rate = sample_rate,                          chunk_size = chunk_size) as source:               r.adjust_for_ambient_noise(source)     print "Say Something"          audio = r.listen(source)                try:         text = r.recognize_google(audio)         print "you said: " + text                        except sr.UnknownValueError:         print("Google Speech Recognition could not understand audio")            except sr.RequestError as e:         print("Could not request results from Google                                   Speech Recognition service; {0}".format(e))
chevron_right

filter_none

Transcrever um arquivo de áudio para texto

Se temos um arquivo de áudio que queremos traduzir em texto, simplesmente temos que substituir a fonte pelo arquivo de áudio em vez de um microfone.
Coloque o arquivo de áudio e o programa na mesma pasta para sua conveniência. Isso funciona para arquivos WAV, AIFF ou FLAC.
Uma implementação foi mostrada abaixo

filter_none
editar
fechar
play_arrow
link
brilho_4
código
import speech_recognition as sr    AUDIO_FILE = ("example.wav")       r = sr.Recognizer()    with sr.AudioFile(AUDIO_FILE) as source:               audio = r.record(source)      try:     print("The audio file contains: " + r.recognize_google(audio))    except sr.UnknownValueError:     print("Google Speech Recognition could not understand audio")    except sr.RequestError as e:     print("Could not request results from Google Speech                Recognition service; {0}".format(e))
chevron_right

filter_none

Solução de problemas

Os seguintes problemas são comumente encontrados

1. Microfone sem som: Isso faz com que a entrada não seja recebida. Para verificar isso, você pode usar o alsamixer.
   Pode ser instalado usando
   
   
   

   sudo apt-get install libasound2 alsa-utils alsa-oss

   Digite amixer . O resultado será mais ou menos assim

   Controle de mixer simples 'Master', 0
     Capacidades: pvolume pswitch pswitch-join
     Canais de reprodução: Front Left - Front Right
     Limites: Reprodução 0 - 65536
     Mono:
     Front Left: Playback 41855 [64%] [on]
     Frontal direita: Reprodução 65536 [100%] [on]
   Controle de mixer simples 'Capture', 0
     Capacidades: cvolume cswitch cswitch-join
     Canais de captura: Front Left - Front Right
     Limites: Captura 0 - 65536
     Front Left: Capture 0 [0%] [off] #witched off
     Frontal direita: Captura 0 [0%] [desligado]

   Como você pode ver, o dispositivo de captura está desligado no momento. Para ligá-lo, digite alsamixer
   Como você pode ver na primeira foto, ele está exibindo nossos dispositivos de reprodução. Pressione F4 para alternar para dispositivos de captura.
   

   Na segunda imagem, a parte destacada mostra que o dispositivo de captura está sem som. Para reativar o som, pressione a barra de espaço
   

   Como você pode ver na última foto, a parte destacada confirma que o dispositivo de captura não está mudo.
   

2. Microfone atual não selecionado como dispositivo de captura:
   Neste caso, o microfone pode ser configurado digitando alsamixer e selecionando placas de som. Aqui, você pode selecionar o dispositivo de microfone padrão.
   Conforme mostrado na imagem, a parte destacada é onde você deve selecionar a placa de som.
   

   A segunda imagem mostra a seleção de tela para placa de som
   

3. Sem conexão com a Internet: a conversão de voz em texto requer uma conexão ativa com a Internet.

Este artigo é uma contribuição de Deepak Srivatsav . Se você gosta de GeeksforGeeks e gostaria de contribuir, você também pode escrever um artigo usando contribute.geeksforgeeks.org ou enviar o seu artigo para contribute@geeksforgeeks.org. Veja o seu artigo que aparece na página principal do GeeksforGeeks e ajude outros Geeks.

Escreva comentários se encontrar algo incorreto ou se quiser compartilhar mais informações sobre o tópico discutido acima.