बाश पर भाषण मान्यता

हैलो प्रिय $ USERNAME।

छोटा सा परिचय

इस लेख में, मैं आपको एक प्रोग्रामिंग लैंग्वेज जैसे बैश में लिखे गए आवाज पहचान के बारे में बताना चाहूंगा। मैंने OC के रूप में Ubuntu 12.04 को चुना

विषय के करीब

ध्वनि पहचान Google द्वारा की जाएगी, जिसका उपयोग Google Chrome ब्राउज़र में ध्वनि खोज के लिए किया जाता है। चलिए शुरू करते हैं?

कार्य एल्गोरिथ्म

1. हम 16 मेगाहर्ट्ज की दर से 3 सेकंड के लिए साउंड फाइल स्पीच रिकॉर्ड करते हैं
2. हम speech.wav को speech.flac में परिवर्तित करते हैं (केवल ऐसा प्रारूप Google स्वीकार कर सकता है)
3. हम Google speech.flac भेजते हैं
4. हमें फॉर्म का उत्तर मिलता है:
   {"status":0,"id":"37h03bf4efe17fa76594732d6dokf3-1","hypotheses":[{"utterance":" ","confidence":0.75936891}]}
   एक दो तीन मान्यता प्राप्त पाठ
   0.75936891 - मान्यता सटीकता (यदि यह मान 0.5 से अधिक है, तो मान्यता विश्वसनीय मानी जाती है)
5. हम अलग-अलग चर में उच्चारण और आत्मविश्वास के मूल्यों को अलग करते हैं और उन्हें स्क्रीन पर प्रदर्शित करते हैं

कार्यान्वयन

1. हम निम्नलिखित सामग्री (टिप्पणियों के साथ कोड) के साथ एक स्पीच फाइल बनाते हैं:
   

    #!/bin/bash echo " ..." arecord -d 3 -q -f cd -r 16000 speech.wav #    speech.wav   3    16  echo " " sox speech.wav speech.flac gain -n -5 silence 1 5 2% #  speech.wav  speech.flac rm speech.wav #  speech.wav, ..      echo " ..." wget -q -U "Mozilla/5.0" --post-file speech.flac --header="Content-Type: audio/x-flac; rate=16000" -O - "http://www.google.com/speech-api/v1/recognize?lang=ru-RU&client=chromium" > all.ret #  Google speech.flac       all.ret rm speech.flac #  speech.flac, ..      cat all.ret | sed 's/.*utterance":"//' | sed 's/","confidence.*//' > text.txt #   utterance   text.txt cat all.ret | sed 's/.*confidence"://' | sed 's/}]}.*//' > confidence.txt #   confidence   confidence.txt rm all.ret #  all.ret, ..      TEXT="$(cat text.txt)" #  TEXT    text.txt CONFIDENCE="$(cat confidence.txt)" #  CONFIDENCE    confidence.txt rm text.txt #  text.txt, ..      rm confidence.txt #  confidence.txt, ..      echo $TEXT #    TEXT echo $CONFIDENCE #    CONFIDENCE 

2. कंसोल के माध्यम से आवश्यक पैकेज डाउनलोड करें:
   sudo apt-get install lame
sudo apt-get install sox
3. हम लॉन्च अधिकारों को कंसोल के माध्यम से speech.sh फ़ाइल में सेट करते हैं:
   sudo chmod 755 speech.sh

खैर, अब आप हमारी स्क्रिप्ट को चला सकते हैं और कंसोल कमांड के साथ इसकी कार्यक्षमता का परीक्षण कर सकते हैं:
./speech.sh

यह सब मुझे कैसा लगता है:

कुल मिलाकर

और इसलिए, संक्षेप में: आवाज की पहचान इतनी "अवास्तविक" नहीं है। सीधे हाथ वाले एक कुशल व्यक्ति को उपयोगी उपयोग मिलेगा। उदाहरण के लिए, मैं इसके आधार पर आवाज नियंत्रण के साथ एक "स्मार्ट होम" बनाता हूं।

जल्द ही मिलते हैं, $ USERNAME।