You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
227 lines
9.5 KiB
227 lines
9.5 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
|
|
"translation_date": "2025-08-27T21:20:06+00:00",
|
|
"source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
|
|
"language_code": "hu"
|
|
}
|
|
-->
|
|
# Hangrögzítés - Raspberry Pi
|
|
|
|
Ebben a leckében kódot fogsz írni, hogy hangot rögzíts a Raspberry Pi eszközödön. A hangrögzítést egy gombbal fogod vezérelni.
|
|
|
|
## Hardver
|
|
|
|
A Raspberry Pi-hoz szükség van egy gombra, amely vezérli a hangrögzítést.
|
|
|
|
Az általad használt gomb egy Grove gomb lesz. Ez egy digitális érzékelő, amely jelet kapcsol be vagy ki. Ezek a gombok úgy konfigurálhatók, hogy magas jelet küldjenek, amikor a gombot megnyomják, és alacsonyat, amikor nem, vagy fordítva: alacsonyat, amikor megnyomják, és magasat, amikor nem.
|
|
|
|
Ha ReSpeaker 2-Mics Pi HAT mikrofont használsz, akkor nincs szükség külön gomb csatlakoztatására, mivel ez a HAT már tartalmaz egyet. Ugorj a következő szakaszra.
|
|
|
|
### A gomb csatlakoztatása
|
|
|
|
A gomb csatlakoztatható a Grove alaplaphoz.
|
|
|
|
#### Feladat - a gomb csatlakoztatása
|
|
|
|
|
|
|
|
1. Illeszd be a Grove kábel egyik végét a gombmodul aljzatába. Csak egyféleképpen illeszkedik.
|
|
|
|
1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a **D5** jelzésű digitális aljzathoz a Grove alaplapon, amely a Pi-hez van csatlakoztatva. Ez az aljzat a második balról, a GPIO tüskék melletti aljzatsoron.
|
|
|
|
|
|
|
|
## Hang rögzítése
|
|
|
|
Python kód segítségével rögzíthetsz hangot a mikrofonról.
|
|
|
|
### Feladat - hang rögzítése
|
|
|
|
1. Kapcsold be a Pi-t, és várd meg, amíg elindul.
|
|
|
|
1. Indítsd el a VS Code-ot, akár közvetlenül a Pi-n, akár a Remote SSH bővítményen keresztül csatlakozva.
|
|
|
|
1. A PyAudio Pip csomag funkciókat biztosít a hang rögzítéséhez és visszajátszásához. Ez a csomag néhány hangkönyvtártól függ, amelyeket először telepíteni kell. Futtasd a következő parancsokat a terminálban ezek telepítéséhez:
|
|
|
|
```sh
|
|
sudo apt update
|
|
sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes
|
|
```
|
|
|
|
1. Telepítsd a PyAudio Pip csomagot.
|
|
|
|
```sh
|
|
pip3 install pyaudio
|
|
```
|
|
|
|
1. Hozz létre egy új mappát `smart-timer` néven, és adj hozzá egy `app.py` nevű fájlt ebbe a mappába.
|
|
|
|
1. Add hozzá a következő importokat a fájl tetejéhez:
|
|
|
|
```python
|
|
import io
|
|
import pyaudio
|
|
import time
|
|
import wave
|
|
|
|
from grove.factory import Factory
|
|
```
|
|
|
|
Ez importálja a `pyaudio` modult, néhány szabványos Python modult a WAV fájlok kezeléséhez, valamint a `grove.factory` modult, hogy létrehozz egy gomb osztályt.
|
|
|
|
1. Ezután adj hozzá kódot egy Grove gomb létrehozásához.
|
|
|
|
Ha ReSpeaker 2-Mics Pi HAT-ot használsz, használd a következő kódot:
|
|
|
|
```python
|
|
# The button on the ReSpeaker 2-Mics Pi HAT
|
|
button = Factory.getButton("GPIO-LOW", 17)
|
|
```
|
|
|
|
Ez létrehoz egy gombot a **D17** porton, amelyhez a ReSpeaker 2-Mics Pi HAT gombja csatlakozik. Ez a gomb alacsony jelet küld, amikor megnyomják.
|
|
|
|
Ha nem ReSpeaker 2-Mics Pi HAT-ot használsz, hanem egy Grove gombot, amely az alaplaphoz van csatlakoztatva, használd ezt a kódot:
|
|
|
|
```python
|
|
button = Factory.getButton("GPIO-HIGH", 5)
|
|
```
|
|
|
|
Ez létrehoz egy gombot a **D5** porton, amely magas jelet küld, amikor megnyomják.
|
|
|
|
1. Ezután hozz létre egy PyAudio osztály példányt a hang kezeléséhez:
|
|
|
|
```python
|
|
audio = pyaudio.PyAudio()
|
|
```
|
|
|
|
1. Add meg a mikrofon és a hangszóró hardverkártya számát. Ez az a szám, amelyet az `arecord -l` és `aplay -l` parancsok futtatásával találtál meg korábban ebben a leckében.
|
|
|
|
```python
|
|
microphone_card_number = <microphone card number>
|
|
speaker_card_number = <speaker card number>
|
|
```
|
|
|
|
Cseréld ki a `<microphone card number>` helyére a mikrofon kártyaszámát.
|
|
|
|
Cseréld ki a `<speaker card number>` helyére a hangszóró kártyaszámát, ugyanazt a számot, amelyet az `alsa.conf` fájlban beállítottál.
|
|
|
|
1. Ezután add meg a mintavételi frekvenciát, amelyet a hang rögzítéséhez és visszajátszásához használsz. Ezt a hardvered függvényében módosíthatod.
|
|
|
|
```python
|
|
rate = 48000 #48KHz
|
|
```
|
|
|
|
Ha mintavételi frekvencia hibákat kapsz a kód futtatásakor, változtasd meg ezt az értéket `44100` vagy `16000`-ra. Minél magasabb az érték, annál jobb a hangminőség.
|
|
|
|
1. Ezután hozz létre egy új `capture_audio` nevű függvényt. Ez a függvény felelős a mikrofonról érkező hang rögzítéséért:
|
|
|
|
```python
|
|
def capture_audio():
|
|
```
|
|
|
|
1. A függvényen belül add hozzá a következőt a hang rögzítéséhez:
|
|
|
|
```python
|
|
stream = audio.open(format = pyaudio.paInt16,
|
|
rate = rate,
|
|
channels = 1,
|
|
input_device_index = microphone_card_number,
|
|
input = True,
|
|
frames_per_buffer = 4096)
|
|
|
|
frames = []
|
|
|
|
while button.is_pressed():
|
|
frames.append(stream.read(4096))
|
|
|
|
stream.stop_stream()
|
|
stream.close()
|
|
```
|
|
|
|
Ez a kód megnyit egy hangbemeneti adatfolyamot a PyAudio objektum segítségével. Ez az adatfolyam 16 kHz-en rögzíti a hangot, 4096 bájtos puffer méretben.
|
|
|
|
A kód addig ismétlődik, amíg a Grove gombot nyomva tartják, és minden alkalommal beolvassa ezeket a 4096 bájtos puffereket egy tömbbe.
|
|
|
|
> 💁 További információt az `open` metódushoz átadott opciókról a [PyAudio dokumentációjában](https://people.csail.mit.edu/hubert/pyaudio/docs/) találsz.
|
|
|
|
Amikor a gombot elengedik, az adatfolyam leáll és bezáródik.
|
|
|
|
1. Add hozzá a következőt a függvény végéhez:
|
|
|
|
```python
|
|
wav_buffer = io.BytesIO()
|
|
with wave.open(wav_buffer, 'wb') as wavefile:
|
|
wavefile.setnchannels(1)
|
|
wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
|
|
wavefile.setframerate(rate)
|
|
wavefile.writeframes(b''.join(frames))
|
|
wav_buffer.seek(0)
|
|
|
|
return wav_buffer
|
|
```
|
|
|
|
Ez a kód létrehoz egy bináris puffert, és az összes rögzített hangot WAV fájlként írja bele. Ez egy szabványos módja a tömörítetlen hang fájlba írásának. Ezután a puffer visszatér.
|
|
|
|
1. Add hozzá a következő `play_audio` függvényt a hangpuffer visszajátszásához:
|
|
|
|
```python
|
|
def play_audio(buffer):
|
|
stream = audio.open(format = pyaudio.paInt16,
|
|
rate = rate,
|
|
channels = 1,
|
|
output_device_index = speaker_card_number,
|
|
output = True)
|
|
|
|
with wave.open(buffer, 'rb') as wf:
|
|
data = wf.readframes(4096)
|
|
|
|
while len(data) > 0:
|
|
stream.write(data)
|
|
data = wf.readframes(4096)
|
|
|
|
stream.close()
|
|
```
|
|
|
|
Ez a függvény megnyit egy másik hangadatfolyamot, ezúttal kimenetre - a hang lejátszásához. Ugyanazokat a beállításokat használja, mint a bemeneti adatfolyam. A puffer WAV fájlként nyílik meg, és 4096 bájtos darabokban íródik a kimeneti adatfolyamba, lejátszva a hangot. Az adatfolyam ezután bezáródik.
|
|
|
|
1. Add hozzá a következő kódot a `capture_audio` függvény alá, hogy addig ismétlődjön, amíg a gombot megnyomják. Amikor a gombot megnyomják, a hang rögzítésre kerül, majd lejátszásra kerül.
|
|
|
|
```python
|
|
while True:
|
|
while not button.is_pressed():
|
|
time.sleep(.1)
|
|
|
|
buffer = capture_audio()
|
|
play_audio(buffer)
|
|
```
|
|
|
|
1. Futtasd a kódot. Nyomd meg a gombot, és beszélj a mikrofonba. Engedd el a gombot, amikor végeztél, és hallani fogod a felvételt.
|
|
|
|
Előfordulhat, hogy néhány ALSA hibát kapsz, amikor a PyAudio példány létrejön. Ez a Pi konfigurációjából adódik olyan hangeszközökhöz, amelyek nincsenek csatlakoztatva. Ezeket a hibákat figyelmen kívül hagyhatod.
|
|
|
|
```output
|
|
pi@raspberrypi:~/smart-timer $ python3 app.py
|
|
ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
|
|
ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
|
|
ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
|
|
ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
|
|
```
|
|
|
|
Ha a következő hibát kapod:
|
|
|
|
```output
|
|
OSError: [Errno -9997] Invalid sample rate
|
|
```
|
|
|
|
akkor változtasd meg a `rate` értékét 44100-ra vagy 16000-re.
|
|
|
|
> 💁 Ezt a kódot megtalálod a [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) mappában.
|
|
|
|
😀 A hangrögzítő programod sikeres volt!
|
|
|
|
---
|
|
|
|
**Felelősség kizárása**:
|
|
Ez a dokumentum az AI fordítási szolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális, emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet. |