📃 ♐️ 🈺 गूगल भाषण संश्लेषण और तारांकन के लिए मान्यता 😵 🏹 🔩

सुप्रभात

कल रात मैंने हेब्रा को देखा, एक Google लेख + एस्टरिस्क आईवीआर का अनुवाद देखा और मेरे बाल मेरे कांख में चले गए।

भाषण संश्लेषण, यह कितना आसान है!
महोत्सव को इकट्ठा करने और इसके लिए नमूनों की तलाश करने की आवश्यकता नहीं है। सब कुछ तैयार है, सरल और Google से।

मैंने तुरंत अपने पसंदीदा php के लिए प्रस्तावित विकल्प की प्रतिलिपि बनाई और इसे Asterisk से कॉल करने के लिए AGI के रूप में डिज़ाइन किया। मैं चाहता था कि संश्लेषण को डायलप्लैनेट में एकल पंक्ति के रूप में इस्तेमाल किया जाए, मानक SayDigits () कमांड के रूप में:

Extension.ael में उदाहरण उपयोग:

s => { Answer(); Wait(1); AGI(say.php,""); AGI(say.php,"  "); AGI(say.php,"Habrahabr!",en); AGI(say.php,"    !"); AGI(say.php,"!"); AGI(say.php,"  "); AGI(say.php,"  !"); };

और स्वयं php कोड (/var/lib/asterisk/agi-bin/say.php होना चाहिए):

 #!/usr/bin/php -q <?php $agivars = array(); while (!feof(STDIN)) { $agivar = trim(fgets(STDIN)); if ($agivar === '') break; $agivar = explode(':', $agivar); $agivars[$agivar[0]] = trim($agivar[1]); } extract($agivars); $text = $_SERVER["argv"][1]; if (isset($_SERVER["argv"][2])) $lang = $_SERVER["argv"][2]; else $lang = 'ru'; $md5 = md5($text); $prefix = '/var/lib/asterisk/festivalcache/'; $filename = $prefix.$md5; if (!file_exists($filename.'.alaw')) { $wget = 'wget -U "Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.1.5) Gecko/20091102 Firefox/3.5.5" '; $wget.= '"http://translate.google.com/translate_tts?q='.$text.'&tl='.$lang.'" -O '.$filename.'.mp3'; $ffmpeg = 'ffmpeg -i '.$filename.'.mp3 -ar 8000 -ac 1 -ab 64 '.$filename.'.wav -ar 8000 -ac 1 -ab 64 -f alaw '.$filename.'.alaw -map 0:0 -map 0:0'; $exec = $wget.' && '.$ffmpeg.' && rm '.$filename.'.mp3 '.$filename.'.wav'; exec($exec); } echo 'STREAM FILE "'.$filename.'" ""'."\n"; fgets(STDIN); exit(0); ?>

मेरे तारांकन में, मुख्य कोडेक अलाव है, इसलिए मैं एमपी 3 को तुरंत बदल देता हूं।

10 मिनट की खुशी के बाद, मुझे याद आया कि Google में भाषण पहचानने की क्षमता है (जैसे कि मोबाइल फोन से खोज में)। इंटरनेट पर चढ़ा और लेख वॉयस नियंत्रण पाया । रूसी भाषण की मान्यता , जहां Google का उपयोग करके भाषण मान्यता के लिए php में उदाहरण निहित है।

मैंने AGI फॉर्म में कोड फिर से लिखा और (/var/lib/asterisk/agi-bin/voice.pp):

 #!/usr/bin/php -q <? $agivars = array(); while (!feof(STDIN)) { $agivar = trim(fgets(STDIN)); if ($agivar === '') break; $agivar = explode(':', $agivar); $agivars[$agivar[0]] = trim($agivar[1]); } extract($agivars); $filename = $_SERVER["argv"][1]; exec('flac -f -s '.$filename.'.wav -o '.$filename.'.flac'); $file_to_upload = array('myfile'=>'@'.$filename.'.flac'); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL,"https://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=ru-RU"); curl_setopt($ch, CURLOPT_POST,1); curl_setopt($ch, CURLOPT_HTTPHEADER, array("Content-Type: audio/x-flac; rate=8000")); curl_setopt($ch, CURLOPT_POSTFIELDS, $file_to_upload); curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); $result=curl_exec ($ch); curl_close ($ch); $json_array = json_decode($result, true); $voice_cmd = $json_array["hypotheses"][0]["utterance"]; unlink($filename.'.flac'); unlink($filename.'.wav'); echo 'SET VARIABLE VOICE "'.$voice_cmd.'"'."\n"; fgets(STDIN); echo 'VERBOSE ("'.$voice_cmd.'")'."\n"; fgets(STDIN); exit(0); ?>

Google वाक् API, flac और speex प्रारूप में ध्वनि फ़ाइलों को स्वीकार करता है, उदाहरण के लिए flac।
मान्यता प्राप्त पाठ चर $ {VOICE} पर सेट किया जाएगा।

Extension.ael में सामान्य उदाहरण का उपयोग करें:

 s => { Answer(); Wait(1); AGI(say.php,""); AGI(say.php,""); AGI(say.php,"  "); Record(/tmp/${UNIQUEID}.wav,3,20); AGI(say.php," "); Playback(/tmp/${UNIQUEID}); AGI(voice.php,/tmp/${UNIQUEID}); AGI(say.php," "); AGI(say.php,"${VOICE}"); Hangup(); };

रिकॉर्ड 20 सेकंड की अधिकतम लंबाई के साथ एक wav फ़ाइल रिकॉर्ड करता है और 3 सेकंड के मौन के बाद रिकॉर्डिंग समाप्त करता है।
चूंकि यह एक परीक्षण का मामला है, हम जो कहते हैं उसे सुनते हैं और फिर मान्यता प्राप्त पाठ को संश्लेषित करते हैं।

मैं क्या कह सकता हूँ, Google - अच्छी तरह से किया!
अब यह स्पष्ट है कि त्यौहार और स्फिंक्स का उपयोग किए बिना शुद्ध तारांकन कैसे संश्लेषण और भाषण मान्यता सिखा सकता है।

और अगर अधिकारी आपसे तुरंत आईवीआर मेनू बनाने के लिए कहें, तो हम आपको आश्चर्यचकित कर सकते हैं!

द्वारा जोड़ा गया

मैंने उपयोगकर्ता की टिप्पणी int80h पढ़ी, Google अनुवाद एपीआई से बिंग ट्रांसलेट एपीआई में प्रवास के बारे में पढ़ा और सोचा कि सब कुछ एक विकल्प की आवश्यकता है।

संस्करण 2.0
Microsoft अनुवादक के माध्यम से भाषण को संश्लेषित करने की क्षमता के साथ कहो:

 #!/usr/bin/php -q <?php $agivars = array(); while (!feof(STDIN)) { $agivar = trim(fgets(STDIN)); if ($agivar === '') break; $agivar = explode(':', $agivar); $agivars[$agivar[0]] = trim($agivar[1]); } extract($agivars); $text = $_SERVER["argv"][1]; if (isset($_SERVER["argv"][2]) && in_array($_SERVER["argv"][2], array('g','m'))) $voice = $_SERVER["argv"][2]; else $voice = 'g'; if (isset($_SERVER["argv"][3])) $lang = $_SERVER["argv"][3]; else $lang = 'ru'; $md5 = md5($text.$voice.$lang); $prefix = '/var/lib/asterisk/festivalcache/'; $appid = 'T0CQJrrwQ1NcJFlJshEfWTzaI18B4TzVvBKx9CDoLvf8*'; $filename = $prefix.$md5; if (!file_exists($filename.'.alaw')) { if ($voice == 'm') { $ext = '.wav'; exec('wget "http://api.microsofttranslator.com/V2/Http.svc/Speak?language='.$lang.'&format=audio/wav&options=MaxQuality&appid='.$appid.'&text='.$text.'" -O '.$filename.$ext); } else { $ext = '.mp3'; exec('wget -U "Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.1.5) Gecko/20091102 Firefox/3.5.5" "http://translate.google.com/translate_tts?q='.$text.'&tl='.$lang.'" -O '.$filename.$ext); } if (@filesize($filename.$ext) > 0) { exec('ffmpeg -i '.$filename.$ext.' -ar 8000 -ac 1 -ab 64 -f alaw '.$filename.'.alaw -map 0:0'); } unlink($filename.$ext); } if (file_exists($filename.'.alaw')) { echo 'STREAM FILE "'.$filename.'" ""'."\n"; fgets(STDIN); } else { echo 'VERBOSE ("Speech Error!")'."\n"; fgets(STDIN); } exit(0); ?>

Microsoft wav प्रारूप में ध्वनि देता है (mp3 गुणवत्ता शून्य है) और कुछ Bing AppId के लिए पूछता है (मैंने इसे microsofttranslator.com से लिया, आइए देखते हैं कि यह कब तक जीवित रहेगा)।
संश्लेषण की गुणवत्ता मुझे Google की तुलना में खराब लग रही थी, लेकिन नामों में जोर अधिक सही ढंग से डाला गया है।

 AGI(say.php,"",m); AGI(say.php,"",${},${}); ${} -   m  g (  = g) ${} - ru, en   (  = ru)

रूसी पाठ केवल आरयू के साथ काम करेगा, अंग्रेजी हमेशा रहेगी, लेकिन आरयू के साथ यह "टूट" जाएगा।
पाठ में उच्चारण कार्य ('स्वर के सामने) और विराम चिह्नों (उदाहरण के लिए!) परिवर्तन को बदलें।

पुनश्च: बदला गया कि वाक् पहचान खाली पाठ का उत्पादन कर सकती है, लेकिन जब आप एक ही फाइल को फिर से भेजते हैं, तो सब कुछ आसानी से हो जाता है, यह अजीब है :-)

गूगल भाषण संश्लेषण और तारांकन के लिए मान्यता

More articles: