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

Prevod reči na text - Raspberry Pi

V tejto časti lekcie napíšete kód na prevod reči zo zaznamenaného zvuku na text pomocou služby na rozpoznávanie reči.

Odoslanie zvuku do služby na rozpoznávanie reči

Zvuk je možné odoslať do služby na rozpoznávanie reči pomocou REST API. Na použitie tejto služby je najprv potrebné požiadať o prístupový token, ktorý následne použijete na prístup k REST API. Tieto prístupové tokeny vypršia po 10 minútach, takže váš kód by ich mal pravidelne obnovovať, aby boli vždy aktuálne.

Úloha - získanie prístupového tokenu

1. Otvorte projekt smart-timer na vašom Raspberry Pi.

2. Odstráňte funkciu play_audio. Tá už nie je potrebná, pretože nechcete, aby inteligentný časovač opakoval to, čo ste povedali.

3. Pridajte nasledujúci import na začiatok súboru app.py:

   import requests
   

4. Pridajte nasledujúci kód nad cyklus while True, aby ste deklarovali niektoré nastavenia pre službu na rozpoznávanie reči:

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

   Nahraďte <key> API kľúčom pre váš zdroj služby na rozpoznávanie reči. Nahraďte <location> lokalitou, ktorú ste použili pri vytváraní zdroja služby na rozpoznávanie reči.

   Nahraďte <language> názvom lokality pre jazyk, ktorým budete hovoriť, napríklad en-GB pre angličtinu alebo zn-HK pre kantončinu. Zoznam podporovaných jazykov a ich názvov lokalít nájdete v dokumentácii o podpore jazykov a hlasov na Microsoft Docs.

5. Pod týmto kódom pridajte nasledujúcu funkciu na získanie prístupového tokenu:

   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)
   

   Táto funkcia volá koncový bod na vydávanie tokenov, pričom API kľúč odosiela ako hlavičku. Táto výzva vráti prístupový token, ktorý je možné použiť na volanie služieb na rozpoznávanie reči.

6. Pod týmto kódom deklarujte funkciu na prevod reči zo zaznamenaného zvuku na text pomocou REST API:

   def convert_speech_to_text(buffer):
   

7. Vo vnútri tejto funkcie nastavte URL REST API a hlavičky:

   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
   }
   

   Tento kód vytvára URL pomocou lokality zdroja služby na rozpoznávanie reči. Následne naplní hlavičky prístupovým tokenom z funkcie get_access_token, ako aj vzorkovacou frekvenciou použitou na zaznamenanie zvuku. Nakoniec definuje niektoré parametre, ktoré sa odovzdajú spolu s URL a obsahujú jazyk v zvuku.

8. Pod týmto kódom pridajte nasledujúci kód na volanie REST API a získanie textu:

   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 ''
   

   Tento kód volá URL a dekóduje hodnotu JSON, ktorá prichádza v odpovedi. Hodnota RecognitionStatus v odpovedi indikuje, či sa podarilo úspešne previesť reč na text. Ak je táto hodnota Success, text sa vráti z funkcie, inak sa vráti prázdny reťazec.

9. Nad cyklus while True: definujte funkciu na spracovanie textu vráteného zo služby na prevod reči na text. Táto funkcia zatiaľ iba vypíše text do konzoly.

   def process_text(text):
       print(text)
   

10. Nakoniec nahraďte volanie play_audio v cykle while True volaním funkcie convert_speech_to_text, pričom text odovzdajte funkcii process_text:

    text = convert_speech_to_text(buffer)
    process_text(text)
    

11. Spustite kód. Stlačte tlačidlo a hovorte do mikrofónu. Uvoľnite tlačidlo, keď skončíte, a zvuk sa prevedie na text a vypíše do konzoly.

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

    Vyskúšajte rôzne typy viet, ako aj vety, kde slová znejú rovnako, ale majú rôzne významy. Napríklad, ak hovoríte po anglicky, povedzte „I want to buy two bananas and an apple too“ a všimnite si, ako správne použije „to“, „two“ a „too“ na základe kontextu slova, nielen jeho zvuku.

💁 Tento kód nájdete v priečinku code-speech-to-text/pi.

😀 Váš program na prevod reči na text bol úspešný!

---

Upozornenie:
Tento dokument bol preložený pomocou služby na automatický preklad Co-op Translator. Aj keď sa snažíme o presnosť, upozorňujeme, že automatické preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie odporúčame profesionálny preklad vykonaný človekom. Nezodpovedáme za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.