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

Tal till text - Raspberry Pi

I den här delen av lektionen kommer du att skriva kod för att konvertera tal i det inspelade ljudet till text med hjälp av tal-tjänsten.

Skicka ljudet till tal-tjänsten

Ljudet kan skickas till tal-tjänsten med hjälp av REST API. För att använda tal-tjänsten måste du först begära en åtkomsttoken och sedan använda den token för att komma åt REST API. Dessa åtkomsttoken går ut efter 10 minuter, så din kod bör regelbundet begära nya för att säkerställa att de alltid är aktuella.

Uppgift - hämta en åtkomsttoken

1. Öppna projektet smart-timer på din Pi.

2. Ta bort funktionen play_audio. Den behövs inte längre eftersom du inte vill att en smart timer ska upprepa vad du sa.

3. Lägg till följande import högst upp i filen app.py:

   import requests
   

4. Lägg till följande kod ovanför while True-loopen för att deklarera några inställningar för tal-tjänsten:

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

   Ersätt <key> med API-nyckeln för din tal-tjänstresurs. Ersätt <location> med platsen du använde när du skapade tal-tjänstresursen.

   Ersätt <language> med lokalnamnet för språket du kommer att tala, till exempel en-GB för engelska eller zn-HK för kantonesiska. Du kan hitta en lista över de stödda språken och deras lokalnamn i Language and voice support-dokumentationen på Microsoft Docs.

5. Nedanför detta, lägg till följande funktion för att hämta en åtkomsttoken:

   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)
   

   Denna funktion anropar en token-utgivande endpoint och skickar API-nyckeln som en header. Anropet returnerar en åtkomsttoken som kan användas för att anropa tal-tjänsterna.

6. Nedanför detta, deklarera en funktion för att konvertera tal i det inspelade ljudet till text med hjälp av REST API:

   def convert_speech_to_text(buffer):
   

7. Inuti denna funktion, ställ in REST API-URL och headers:

   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
   }
   

   Detta bygger en URL med platsen för tal-tjänstresursen. Sedan fyller det headers med åtkomsttoken från funktionen get_access_token, samt samplingsfrekvensen som används för att spela in ljudet. Slutligen definierar det några parametrar som ska skickas med URL:en och innehåller språket i ljudet.

8. Nedanför detta, lägg till följande kod för att anropa REST API och få tillbaka texten:

   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 ''
   

   Detta anropar URL:en och dekodar JSON-värdet som kommer i svaret. Värdet RecognitionStatus i svaret indikerar om anropet lyckades extrahera tal till text, och om detta är Success returneras texten från funktionen, annars returneras en tom sträng.

9. Ovanför while True:-loopen, definiera en funktion för att bearbeta texten som returneras från tal-till-text-tjänsten. Denna funktion kommer bara att skriva ut texten till konsolen för tillfället.

   def process_text(text):
       print(text)
   

10. Slutligen, ersätt anropet till play_audio i while True-loopen med ett anrop till funktionen convert_speech_to_text, och skicka texten till funktionen process_text:

    text = convert_speech_to_text(buffer)
    process_text(text)
    

11. Kör koden. Tryck på knappen och tala in i mikrofonen. Släpp knappen när du är klar, och ljudet kommer att konverteras till text och skrivas ut till konsolen.

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

    Testa olika typer av meningar, tillsammans med meningar där ord låter lika men har olika betydelser. Till exempel, om du talar engelska, säg "I want to buy two bananas and an apple too", och lägg märke till hur det använder rätt "to", "two" och "too" baserat på ordets kontext, inte bara dess ljud.

💁 Du kan hitta denna kod i code-speech-to-text/pi-mappen.

😀 Ditt tal-till-text-program blev en framgång!

---

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, bör du vara medveten om att automatiserade översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.