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

Conversão de fala para texto - Raspberry Pi

Nesta parte da lição, vais escrever código para converter a fala captada no áudio em texto, utilizando o serviço de fala.

Enviar o áudio para o serviço de fala

O áudio pode ser enviado para o serviço de fala utilizando a API REST. Para usar o serviço de fala, primeiro precisas de solicitar um token de acesso e, em seguida, usar esse token para aceder à API REST. Estes tokens de acesso expiram após 10 minutos, por isso o teu código deve solicitá-los regularmente para garantir que estão sempre atualizados.

Tarefa - obter um token de acesso

1. Abre o projeto smart-timer no teu Raspberry Pi.

2. Remove a função play_audio. Esta já não é necessária, pois não queres que o temporizador inteligente repita o que disseste.

3. Adiciona a seguinte importação no início do ficheiro app.py:

   import requests
   

4. Adiciona o seguinte código acima do ciclo while True para declarar algumas definições para o serviço de fala:

   speech_api_key = '<key>'
   location = '<location>'
   language = '<language>'
   

   Substitui <key> pela chave da API do teu recurso do serviço de fala. Substitui <location> pela localização que utilizaste 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 Microsoft Docs.

5. Abaixo disto, adiciona a seguinte função para obter um token de acesso:

   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)
   

   Esta função chama um endpoint de emissão de tokens, passando a chave da API como um cabeçalho. Esta chamada retorna um token de acesso que pode ser usado para chamar os serviços de fala.

6. A seguir, declara uma função para converter a fala captada no áudio em texto utilizando a API REST:

   def convert_speech_to_text(buffer):
   

7. Dentro desta função, configura o URL da API REST e os cabeçalhos:

   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
   }
   

   Isto constrói um URL utilizando a localização do recurso dos serviços de fala. Em seguida, preenche os cabeçalhos com o token de acesso da função get_access_token, bem como a taxa de amostragem usada para capturar o áudio. Por fim, define alguns parâmetros a serem passados com o URL, contendo o idioma do áudio.

8. Abaixo disto, adiciona o seguinte código para chamar a API REST e obter o texto de volta:

   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 ''
   

   Esta chamada utiliza o URL e decodifica o valor JSON que vem na resposta. O valor RecognitionStatus na resposta indica se a chamada conseguiu extrair com sucesso a fala em texto e, se for Success, o texto é retornado pela função; caso contrário, é retornada uma string vazia.

9. Acima do ciclo while True:, define uma função para processar o texto retornado pelo serviço de conversão de fala para texto. Esta função, por agora, apenas imprimirá o texto no terminal.

   def process_text(text):
       print(text)
   

10. Por fim, substitui a chamada para play_audio no ciclo while True por uma chamada para a função convert_speech_to_text, passando o texto para a função process_text:

    text = convert_speech_to_text(buffer)
    process_text(text)
    

11. Executa o código. Pressiona o botão e fala para o microfone. Solta o botão quando terminares, e o áudio será convertido em texto e impresso no terminal.

    pi@raspberrypi:~/smart-timer $ python3 app.py 
    Hello world.
    Welcome to IoT for beginners.
    

    Experimenta diferentes tipos de frases, incluindo frases onde as palavras têm o mesmo som, mas 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 utiliza 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/pi.

😀 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 pela precisão, esteja ciente de 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 do uso desta tradução.