IoT-For-Beginners/translations/pt/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md

Conversão de fala para texto - Dispositivo IoT virtual

Nesta parte da lição, vais escrever código para converter fala captada pelo teu microfone em texto, utilizando o serviço de fala.

Converter fala em texto

No Windows, Linux e macOS, o SDK Python dos serviços de fala pode ser usado para ouvir o teu microfone e converter qualquer fala detetada em texto. Ele escuta continuamente, detetando os níveis de áudio e enviando a fala para conversão em texto quando o nível de áudio diminui, como no final de um bloco de fala.

Tarefa - converter fala em texto

1. Cria uma nova aplicação Python no teu computador numa pasta chamada smart-timer com um único ficheiro chamado app.py e um ambiente virtual Python.

2. Instala o pacote Pip para os serviços de fala. Certifica-te de que estás a instalar isto a partir de um terminal com o ambiente virtual ativado.

   pip install azure-cognitiveservices-speech
   

   ⚠️ Se receberes o seguinte erro:

   ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
   ERROR: No matching distribution found for azure-cognitiveservices-speech
   

   Terás de atualizar o Pip. Faz isso com o seguinte comando e tenta instalar o pacote novamente:

   pip install --upgrade pip
   

3. Adiciona as seguintes importações ao ficheiro app.py:

   import requests
   import time
   from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
   

   Isto importa algumas classes usadas para reconhecer fala.

4. Adiciona o seguinte código para declarar algumas configurações:

   speech_api_key = '<key>'
   location = '<location>'
   language = '<language>'
   
   recognizer_config = SpeechConfig(subscription=speech_api_key,
                                    region=location,
                                    speech_recognition_language=language)
   

   Substitui <key> pela chave API do teu serviço de fala. Substitui <location> pela localização que usaste ao criar o recurso do serviço de fala.

   Substitui <language> pelo nome do local para o idioma em que vais falar, por exemplo, en-GB para inglês ou zn-HK para cantonês. Podes encontrar uma lista dos idiomas suportados e os respetivos nomes de local na documentação de suporte a idiomas e vozes nos documentos da Microsoft.

   Esta configuração é então usada para criar um objeto SpeechConfig que será utilizado para configurar os serviços de fala.

5. Adiciona o seguinte código para criar um reconhecedor de fala:

   recognizer = SpeechRecognizer(speech_config=recognizer_config)
   

6. O reconhecedor de fala funciona numa thread em segundo plano, ouvindo o áudio e convertendo qualquer fala em texto. Podes obter o texto utilizando uma função de callback - uma função que defines e passas ao reconhecedor. Sempre que uma fala é detetada, o callback é chamado. Adiciona o seguinte código para definir um callback e passá-lo ao reconhecedor, bem como definir uma função para processar o texto, escrevendo-o na consola:

   def process_text(text):
       print(text)
   
   def recognized(args):
       process_text(args.result.text)
   
   recognizer.recognized.connect(recognized)
   

7. O reconhecedor só começa a ouvir quando o inicias explicitamente. Adiciona o seguinte código para iniciar o reconhecimento. Isto funciona em segundo plano, por isso a tua aplicação também precisará de um loop infinito que dorme para manter a aplicação em execução.

   recognizer.start_continuous_recognition()
   
   while True:
       time.sleep(1)
   

8. Executa esta aplicação. Fala no teu microfone e o áudio convertido em texto será exibido na consola.

   (.venv) ➜  smart-timer python3 app.py
   Hello world.
   Welcome to IoT for beginners.
   

   Experimenta diferentes tipos de frases, juntamente com frases onde as palavras soam iguais, mas têm significados diferentes. Por exemplo, se estiveres a falar em inglês, diz "I want to buy two bananas and an apple too" e repara como ele usa corretamente "to", "two" e "too" com base no contexto da palavra, e não apenas no som.

💁 Podes encontrar este código na pasta code-speech-to-text/virtual-iot-device.

😀 O teu programa de conversão de fala para texto foi um sucesso!

Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, tenha em atenção que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.