Распознавание речи на Bash

Здравствуй, Уважаемый %username%.

Небольшое введение

В данной статье я хотел бы рассказать вам о распознавании голоса, написанном на таком языке программирования как Bash. В качестве OC я выбрал Ubuntu 12.04

Ближе к теме

Распознавание голоса будет осуществляться сервисом Google, который используется в браузере Google Chrome для голосового поиска. Приступим?

Алгоритм работы

1. Записываем звуковой файл speech.wav длиной в 3 секунды с рейтом 16 мГц
2. Конвертируем speech.wav в speech.flac (лишь такой формат умеет принимать Google)
3. Отправляем Google speech.flac, представившись браузером Google Chrome
4. Получаем ответ вида:
   {"status":0,"id":"37h03bf4efe17fa76594732d6dokf3-1","hypotheses":[{"utterance":"раз два три","confidence":0.75936891}]}
   раз два три — распознанный текст
   0.75936891 — достоверность распознавания (если данное значение больше 0.5, то распознавание считается достоверным)
5. Вычленяем значения utterance и confidence в отдельные переменные и выводим их на экран

Реализация

1. Создаём файл speech.sh следующего содержания (код с комментариями):
   

   #!/bin/bash echo "Начинается запись..." arecord -d 3 -q -f cd -r 16000 speech.wav # Записываем звуковой файл speech.wav длиной в 3 секунды с рейтом 16 мГц echo "Запись закончена" sox speech.wav speech.flac gain -n -5 silence 1 5 2% # Конвертируем speech.wav в speech.flac rm speech.wav # Удаляем speech.wav, т.к. он нам уже не требуется echo "Анализ голоса..." 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 # Отправляем Google speech.flac, представившись браузером Google Chrome и полученный ответ сохраняем в файл all.ret rm speech.flac # Удаляем speech.flac, т.к. он нам уже не требуется cat all.ret | sed 's/.*utterance":"//' | sed 's/","confidence.*//' > text.txt # Вычленяем значение utterance в файл text.txt cat all.ret | sed 's/.*confidence"://' | sed 's/}]}.*//' > confidence.txt # Вычленяем значение confidence в файл confidence.txt rm all.ret # Удаляем all.ret, т.к. он нам уже не требуется TEXT="$(cat text.txt)" # Переменной TEXT присваиваем содержимое файла text.txt  CONFIDENCE="$(cat confidence.txt)" # Переменной CONFIDENCE присваиваем содержимое файла confidence.txt rm text.txt # Удаляем text.txt, т.к. он нам уже не требуется rm confidence.txt # Удаляем confidence.txt, т.к. он нам уже не требуется echo $TEXT # Выводим значение переменной TEXT echo $CONFIDENCE # Выводим значение переменной CONFIDENCE 

2. Закачиваем через консоль необходимые пакеты:
   sudo apt-get install lame
sudo apt-get install sox
3. Устанавливаем через консоль файлу speech.sh права на запуск:
   sudo chmod 755 speech.sh

Ну а теперь можно запустить наш скриптик и проверить его работоспособность консольной командой:
./speech.sh

Как это всё выглядит у меня:

Итого

И так, подведём итоги: распознавание голоса не такая уж и «нереальность». Умелый человек с прямыми сможет найти полезное применение. К примеру, на его основе я создаю «Умный дом» с голосовым управлением.

До скорых встреч, %username%.