|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
|
|
|
"translation_date": "2025-08-26T15:41:35+00:00",
|
|
|
"source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
|
|
|
"language_code": "hk"
|
|
|
}
|
|
|
-->
|
|
|
# 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
|
|
|
|
|
|
1. 在你的 Raspberry Pi 上打開 `smart-timer` 專案。
|
|
|
|
|
|
1. 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。
|
|
|
|
|
|
1. 在 `app.py` 檔案的頂部新增以下匯入：
|
|
|
|
|
|
```python
|
|
|
import requests
|
|
|
```
|
|
|
|
|
|
1. 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：
|
|
|
|
|
|
```python
|
|
|
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](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱的列表。
|
|
|
|
|
|
1. 在這段程式碼下方，新增以下函數以獲取存取權杖：
|
|
|
|
|
|
```python
|
|
|
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。
|
|
|
|
|
|
1. 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：
|
|
|
|
|
|
```python
|
|
|
def convert_speech_to_text(buffer):
|
|
|
```
|
|
|
|
|
|
1. 在這個函數內，設置 REST API 的 URL 和標頭：
|
|
|
|
|
|
```python
|
|
|
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。
|
|
|
|
|
|
1. 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：
|
|
|
|
|
|
```python
|
|
|
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。
|
|
|
|
|
|
1. 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。
|
|
|
|
|
|
```python
|
|
|
def process_text(text):
|
|
|
print(text)
|
|
|
```
|
|
|
|
|
|
1. 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：
|
|
|
|
|
|
```python
|
|
|
text = convert_speech_to_text(buffer)
|
|
|
process_text(text)
|
|
|
```
|
|
|
|
|
|
1. 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。
|
|
|
|
|
|
```output
|
|
|
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](../../../../../6-consumer/lessons/1-speech-recognition/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](https://github.com/Azure/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。 |
