🗯️ 🔫 👴🏽 मैक ओएस एक्स के लिए वॉयस ट्रांसलेटर 🐙 🧑🏾‍🤝‍🧑🏾 🍲

हाल के दिनों में, केवल विज्ञान कथा फिल्मों में ही कोई "बॉक्स का चमत्कार" देख सकता है, जिसमें आप बोलते हैं, और परिणामस्वरूप आप दूसरी भाषा में कही गई बात का अनुवाद सुनते हैं। लेकिन प्रगति हो रही है ...

मैं Google को अपनी भाषण मान्यता सेवा के एपीआई को खोलने के लिए लंबे समय से इंतजार कर रहा हूं (कंपनी अपने उत्पादों में इसका उपयोग करती है)। कुछ महीने पहले मैंने "यह आपका इंटरनेट है", लेकिन कोई फायदा नहीं हुआ। और इन दिनों में से एक मैं हेबर पर एक विषय देखता हूं। हम Google वॉइस सर्च का उपयोग .NET एप्लीकेशन में करते हैं ! मैं अविश्वसनीय रूप से खुश था। विषय Google भाषण API / Chrome 11 तक पहुंचने वाले मूल लेख को संदर्भित करता है। मैंने ध्यान से क्रोम स्रोत का अध्ययन किया और "उठाया"।

Google भाषण मान्यता API अभी भी अनौपचारिक है और क्रोम ब्राउज़र के माध्यम से जनता के लिए उपलब्ध हो गया है।

इसके उपयोग के विकल्प वास्तव में अंतहीन हैं। और अगर आप इसे रूपात्मक मॉड्यूल के साथ जोड़ते हैं, तो आप आवाज नियंत्रण के क्षेत्र में कुछ पागल चीजें कर सकते हैं।

वायरफ्रेम इंजन (मेरी आगे की जरूरतों के लिए) बनाने के लिए मैंने कुछ दिनों में मैक ओएस एक्स के लिए वॉयस ट्रांसलेटर बनाया। यह Google प्रौद्योगिकियों, Microsoft (उच्चारण) और ओपन सोर्स प्रोजेक्ट ffmpeg (flac में रूपांतरण) का सहजीवन है। यह एक आवाज अनुवादक है - कोई टाइपिंग नहीं। केवल वाक्यांश कहो और उसका अनुवाद सुनो। हां, मान्यता गुणवत्ता आदर्श नहीं हो सकती है, लेकिन छोटे स्पष्ट वाक्यांशों में यह काफी स्वीकार्य है।

ये रहा कार्यक्रम का वीडियो:

हमेशा की तरह, मैं इस विषय को दो भागों में विभाजित करूँगा। सामान्य उपयोगकर्ताओं के लिए जो इस कार्यक्रम में "लिप्त" होना चाहते हैं। डेवलपर्स के लिए एक और (मैं आधार परियोजना के लिए स्रोत कोड प्रदान करूंगा)।

USERS के लिए

आप कार्यक्रम को लिंक (मैक ओएस एक्स 10.6+) से डाउनलोड कर सकते हैं।

प्रोग्राम इंटरफ़ेस बहुत सरल है। वांछित भाषा दिशा चुनें (इस डेमो प्रोजेक्ट में मैंने केवल दो दिशाएँ बनाईं, लेकिन सेवाएँ बहुत बड़ी संख्या में भाषाओं का समर्थन करती हैं)। "रिकॉर्ड" बटन दबाएं और वाक्यांश कहें। रिकॉर्डिंग स्वतः 5 सेकंड के बाद बंद हो जाएगी या आप इसे स्वयं रोक सकते हैं। यह बात है - अनुवाद को सुनो :)।

विकासकर्ताओं के लिए

जीथुब स्रोत कोड।

प्रोजेक्ट पहले से ही इकट्ठे हुए ffmpeg बाइनरी कन्वर्टर का उपयोग करके रिकॉर्ड की गई ध्वनि को flac में परिवर्तित करता है। यदि आप प्रोजेक्ट को iOS में ट्रांसफर करना चाहते हैं, तो आप libFlac प्रोजेक्ट से स्टेटिक लाइब्रेरी का उपयोग कर सकते हैं।

HUD इंटरफ़ेस के लिए, प्रोजेक्ट पहले से ही इकट्ठे BGHUDAppKit फ्रेमवर्क का उपयोग करता है।

JSON को संसाधित करने के लिए JSON फ्रेमवर्क का उपयोग किया जाता है।

इसके अतिरिक्त (सरलीकरण के लिए) Google डेटा एपीआई के कुछ वर्गों का उपयोग किया जाता है ।

ध्वनि रिकॉर्डिंग

मानक क्यूकीट लाइब्रेरी (क्विकटाइम किट) का उपयोग करके ध्वनि को रिकॉर्ड किया जाता है।

यहाँ ऑडियो कैप्चरिंग सत्र के लिए इनिशियलाइज़ेशन कोड है:

BOOL success = NO ; mCaptureSession = [ [ QTCaptureSession alloc ] init ] ; QTCaptureDevice * audioDevice = [ QTCaptureDevice defaultInputDeviceWithMediaType : QTMediaTypeSound ] ; if ( ! audioDevice ) { [ mCaptureSession release ] , mCaptureSession = nil ; [ textLabel setStringValue : NSLocalizedString ( @ "AudioError" , @ "" ) ] ; [ button setHidden : YES ] ; [ popUp setHidden : YES ] ; [ textLabel setHidden : NO ] ; } success = [ audioDevice open : NULL ] ; if ( ! success ) { [ mCaptureSession release ] , mCaptureSession = nil ; [ textLabel setStringValue : NSLocalizedString ( @ "AudioError" , @ "" ) ] ; [ button setHidden : YES ] ; [ popUp setHidden : YES ] ; [ textLabel setHidden : NO ] ; } mCaptureAudioDeviceInput = [ [ QTCaptureDeviceInput alloc ] initWithDevice : audioDevice ] ; success = [ mCaptureSession addInput : mCaptureAudioDeviceInput error : NULL ] ; if ( ! success ) { [ mCaptureSession release ] , mCaptureSession = nil ; [ mCaptureAudioDeviceInput release ] , mCaptureAudioDeviceInput = nil ; [ textLabel setStringValue : NSLocalizedString ( @ "AudioError" , @ "" ) ] ; [ button setHidden : YES ] ; [ popUp setHidden : YES ] ; [ textLabel setHidden : NO ] ; } mCaptureMovieFileOutput = [ [ QTCaptureMovieFileOutput alloc ] init ] ; success = [ mCaptureSession addOutput : mCaptureMovieFileOutput error : NULL ] ; if ( ! success ) { [ mCaptureSession release ] , mCaptureSession = nil ; [ mCaptureAudioDeviceInput release ] , mCaptureAudioDeviceInput = nil ; [ mCaptureMovieFileOutput release ] , mCaptureMovieFileOutput = nil ; //error handler } [ mCaptureMovieFileOutput setDelegate : self ] ; [ mCaptureMovieFileOutput setCompressionOptions : [ QTCompressionOptions compressionOptionsWithIdentifier : @ "QTCompressionOptionsHighQualityAACAudio" ] forConnection : [ [ mCaptureMovieFileOutput connections ] objectAtIndex : 0 ] ] ; [ mCaptureSession startRunning ] ;

अब, एक फ़ाइल पर लिखना शुरू करने के लिए, हम करते हैं:

[ mCaptureMovieFileOutput recordToOutputFileURL : path ] ;

रिकॉर्डिंग समाप्त करने के लिए:

[ mCaptureMovieFileOutput recordToOutputFileURL : nil ] ;

परिवर्तन

ध्वनि फ़ाइल प्राप्त करने के बाद, इसे ffmpeg का उपयोग करके flac प्रारूप में परिवर्तित करें:

NSTask * aTask = [ [ NSTask alloc ] init ] ; NSMutableArray * args = [ NSMutableArray array ] ; [ args addObject : @ "-i" ] ; [ args addObject : @ "record.m4a" ] ; [ args addObject : @ "-acodec" ] ; [ args addObject : @ "flac" ] ; [ args addObject : @ "-ac" ] ; [ args addObject : @ "1" ] ; [ args addObject : @ "-ar" ] ; [ args addObject : @ "16000" ] ; [ args addObject : @ "record.flac" ] ; [ aTask setCurrentDirectoryPath : recordPath ] ; [ aTask setLaunchPath : [ [ [ NSBundle mainBundle ] resourcePath ] stringByAppendingPathComponent : @ "ffmpeg" ] ] ; [ aTask setArguments : args ] ; [ aTask launch ] ; [ aTask waitUntilExit ] ; [ aTask release ] ;

नेटवर्क सेवाओं के साथ संचार

रूपांतरण के बाद, हम मान्यता प्रक्रिया शुरू करते हैं। इसे एक अलग GoogleASR वर्ग में लागू किया गया है। इस वर्ग की एक वस्तु https://www.google.com/speech-api/v1/recognize के लिए अनुरोध (एसिंक्रोनस रूप से) भेजती है, परिणाम संसाधित करती है, और प्रतिनिधि को मान्यता सामग्री के बारे में सूचित करती है या त्रुटि की सूचना देती है। सर्वर से प्रतिक्रिया को संसाधित करने की प्रक्रिया बहुत सही है - यह क्रोम ब्राउज़र से पूरी तरह से (एल्गोरिथम) कॉपी किया गया है। कक्षा में केवल एक मुख्य विधि है:

- ( void ) speechRecognition : ( NSString * ) flacPath language : ( NSString * ) language

अगला, हम GoogleTranslate वर्ग के ऑब्जेक्ट के लिए मान्यता प्राप्त पाठ पास करते हैं। वह पाठ का अनुवाद करता है और अनुवाद के परिणाम के प्रतिनिधि को सूचित करता है या किसी त्रुटि की सूचना देता है। मुख्य विधि:

- ( void ) translate : ( NSString * ) text from : ( NSString * ) inLanguage to : ( NSString * ) outLanguage

इसके बाद, MicrosoftTTS क्लास ऑब्जेक्ट प्ले में आता है। यह ऑडियो डेटा प्राप्त करता है और इसे प्रतिनिधि को भेजता है या त्रुटि की रिपोर्ट करता है। मुख्य विधि:

- ( void ) textToSpeech : ( NSString * ) text language : ( NSString * ) language

Microsoft से अपना Bing AppID प्राप्त करना न भूलें (यह मुफ़्त में किया गया है) और इसे MicrosoftTTS कक्षा में, SpyyanL में डालें।

प्रयोग!

मैक ओएस एक्स के लिए वॉयस ट्रांसलेटर

USERS के लिए

विकासकर्ताओं के लिए

ध्वनि रिकॉर्डिंग

परिवर्तन

नेटवर्क सेवाओं के साथ संचार

More articles: