5.4 KiB

Raw Permalink Blame History Unescape Escape

語音轉文字 - Raspberry Pi

在這部分課程中，你將撰寫程式碼，使用語音服務將錄製的音頻中的語音轉換為文字。

將音頻發送到語音服務

可以使用 REST API 將音頻發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖每 10 分鐘會過期，因此你的程式碼應該定期請求它們，以確保它們始終是最新的。

任務 - 獲取存取權杖

在你的 Raspberry Pi 上打開 smart-timer 專案。
刪除 play_audio 函數。由於你不需要智能計時器重複你所說的內容，因此不再需要這個函數。
在 app.py 檔案的頂部新增以下匯入：
```
import requests
```
在 while True 迴圈上方新增以下程式碼，來宣告語音服務的一些設定：
```
speech_api_key = '<key>'
location = '<location>'
language = '<language>'
```
將 <key> 替換為你的語音服務資源的 API 金鑰。將 <location> 替換為你創建語音服務資源時使用的位置。

將 <language> 替換為你將使用的語言的地區名稱，例如英語使用 en-GB，粵語使用 zn-HK。你可以在 Microsoft Docs 的語言和語音支持文件中找到支持的語言及其地區名稱的列表。

在這段程式碼下方，新增以下函數以獲取存取權杖：

def get_access_token():
    headers = {
        'Ocp-Apim-Subscription-Key': speech_api_key
    }

    token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
    response = requests.post(token_endpoint, headers=headers)
    return str(response.text)

這會調用一個權杖發行端點，將 API 金鑰作為標頭傳遞。此調用返回一個存取權杖，可用於調用語音服務。

在這段程式碼下方，宣告一個函數，使用 REST API 將錄製的音頻中的語音轉換為文字：
```
def convert_speech_to_text(buffer):
```

在這個函數內，設置 REST API 的 URL 和標頭：

url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'

headers = {
    'Authorization': 'Bearer ' + get_access_token(),
    'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
    'Accept': 'application/json;text/xml'
}

params = {
    'language': language
}

這會使用語音服務資源的位置構建一個 URL。然後使用 get_access_token 函數獲取的存取權杖填充標頭，並添加用於錄製音頻的採樣率。最後，定義一些參數，這些參數將與 URL 一起傳遞，包含音頻中的語言。

在這段程式碼下方，新增以下程式碼以調用 REST API 並獲取返回的文字：
```
response = requests.post(url, headers=headers, params=params, data=buffer)
response_json = response.json()

if response_json['RecognitionStatus'] == 'Success':
    return response_json['DisplayText']
else:
    return ''
```
這會調用 URL，並解碼響應中返回的 JSON 值。響應中的 RecognitionStatus 值指示是否成功將語音提取為文字。如果該值為 Success，則函數返回文字，否則返回空字串。
在 while True: 迴圈上方，定義一個函數來處理語音轉文字服務返回的文字。這個函數目前只會將文字打印到控制台。
```
def process_text(text):
    print(text)
```
最後，在 while True 迴圈中，將 play_audio 的調用替換為 convert_speech_to_text 函數的調用，並將文字傳遞給 process_text 函數：
```
text = convert_speech_to_text(buffer)
process_text(text)
```
運行程式碼。按下按鈕並對著麥克風說話。完成後鬆開按鈕，音頻將被轉換為文字並打印到控制台。
```
pi@raspberrypi:~/smart-timer $ python3 app.py 
Hello world.
Welcome to IoT for beginners.
```
嘗試不同類型的句子，以及一些發音相同但意思不同的句子。例如，如果你使用英語，說 "I want to buy two bananas and an apple too"，並注意它如何根據單詞的上下文正確使用 to、two 和 too，而不僅僅是根據發音。

💁 你可以在 code-speech-to-text/pi 資料夾中找到這段程式碼。

😀 你的語音轉文字程式成功了！

免責聲明：
本文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。

5.4 KiB Raw Permalink Blame History Unescape Escape

語音轉文字 - Raspberry Pi

將音頻發送到語音服務

任務 - 獲取存取權杖

5.4 KiB

Raw Permalink Blame History Unescape Escape