6.6 KiB

Raw Permalink Blame History Unescape Escape

音声からテキストへ - Raspberry Pi

このレッスンのこの部分では、キャプチャした音声を音声サービスを使ってテキストに変換するコードを書きます。

音声を音声サービスに送信する

音声はREST APIを使用して音声サービスに送信できます。音声サービスを使用するには、まずアクセストークンをリクエストし、そのトークンを使用してREST APIにアクセスします。これらのアクセストークンは10分で期限切れになるため、コードは定期的にトークンをリクエストして、常に最新の状態を保つ必要があります。

タスク - アクセストークンを取得する

Pi上でsmart-timerプロジェクトを開きます。
play_audio関数を削除します。スマートタイマーがあなたの発言を繰り返す必要がないため、これはもう必要ありません。
次のインポートをapp.pyファイルの先頭に追加します：
```
import requests
```
次のコードをwhile Trueループの上に追加して、音声サービスの設定を宣言します：
```
speech_api_key = '<key>'
location = '<location>'
language = '<language>'
```
<key>を音声サービスリソースのAPIキーに置き換えます。<location>を音声サービスリソースを作成したときに使用した場所に置き換えます。

<language>を、話す言語のロケール名に置き換えます。例えば、英語の場合はen-GB、広東語の場合はzn-HKです。サポートされている言語とそのロケール名のリストは、Microsoft Docsの言語と音声サポートのドキュメントで確認できます。
この下に、アクセストークンを取得するための次の関数を追加します：
```
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)
```
これはトークン発行エンドポイントを呼び出し、APIキーをヘッダーとして渡します。この呼び出しは、音声サービスを呼び出すために使用できるアクセストークンを返します。
この下に、キャプチャした音声をREST APIを使用してテキストに変換する関数を宣言します：
```
def convert_speech_to_text(buffer):
```
この関数内で、REST APIのURLとヘッダーを設定します：
```
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
}
```
これは、音声サービスリソースの場所を使用してURLを構築します。その後、get_access_token関数から取得したアクセストークン、音声をキャプチャする際に使用したサンプルレートをヘッダーに設定します。最後に、音声の言語を含むURLに渡すパラメータを定義します。
この下に、REST APIを呼び出してテキストを取得する次のコードを追加します：
```
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 ''
```
これはURLを呼び出し、レスポンスで返されるJSON値をデコードします。レスポンス内のRecognitionStatus値は、音声をテキストに正常に変換できたかどうかを示します。この値がSuccessの場合、関数からテキストが返されます。それ以外の場合は空の文字列が返されます。
while True:ループの上に、音声からテキストサービスで返されたテキストを処理する関数を定義します。この関数は、現在のところテキストをコンソールに出力するだけです。
```
def process_text(text):
    print(text)
```
最後に、while Trueループ内のplay_audioの呼び出しを、convert_speech_to_text関数の呼び出しに置き換え、テキストをprocess_text関数に渡します：
```
text = convert_speech_to_text(buffer)
process_text(text)
```
コードを実行します。ボタンを押してマイクに向かって話します。話し終わったらボタンを離すと、音声がテキストに変換され、コンソールに出力されます。
```
pi@raspberrypi:~/smart-timer $ python3 app.py 
Hello world.
Welcome to IoT for beginners.
```
さまざまな種類の文や、同じ音でも異なる意味を持つ単語を含む文を試してみてください。例えば、英語で話している場合、「I want to buy two bananas and an apple too」と言ってみてください。文脈に基づいて「to」「two」「too」を正しく使い分ける様子を確認できます。

💁 このコードはcode-speech-to-text/piフォルダーにあります。

😀 音声からテキストへのプログラムが成功しました！

免責事項:
この文書は、AI翻訳サービス Co-op Translator を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があります。元の言語で記載された原文が公式な情報源と見なされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いません。

6.6 KiB Raw Permalink Blame History Unescape Escape

音声からテキストへ - Raspberry Pi

音声を音声サービスに送信する

タスク - アクセストークンを取得する

6.6 KiB

Raw Permalink Blame History Unescape Escape