6.9 KiB

Raw Permalink Blame History

Chuyển giọng nói thành văn bản - Raspberry Pi

Trong phần này của bài học, bạn sẽ viết mã để chuyển đổi giọng nói trong âm thanh thu được thành văn bản bằng cách sử dụng dịch vụ giọng nói.

Gửi âm thanh đến dịch vụ giọng nói

Âm thanh có thể được gửi đến dịch vụ giọng nói bằng cách sử dụng REST API. Để sử dụng dịch vụ giọng nói, trước tiên bạn cần yêu cầu một mã truy cập, sau đó sử dụng mã đó để truy cập REST API. Các mã truy cập này hết hạn sau 10 phút, vì vậy mã của bạn cần yêu cầu chúng thường xuyên để đảm bảo chúng luôn được cập nhật.

Nhiệm vụ - lấy mã truy cập

Mở dự án smart-timer trên Raspberry Pi của bạn.
Xóa hàm play_audio. Hàm này không còn cần thiết vì bạn không muốn bộ hẹn giờ thông minh lặp lại những gì bạn đã nói.
Thêm dòng import sau vào đầu tệp app.py:
```
import requests
```
Thêm đoạn mã sau vào phía trên vòng lặp while True để khai báo một số cài đặt cho dịch vụ giọng nói:
```
speech_api_key = '<key>'
location = '<location>'
language = '<language>'
```
Thay thế <key> bằng API key cho tài nguyên dịch vụ giọng nói của bạn. Thay thế <location> bằng vị trí bạn đã sử dụng khi tạo tài nguyên dịch vụ giọng nói.

Thay thế <language> bằng tên ngôn ngữ mà bạn sẽ nói, ví dụ en-GB cho tiếng Anh, hoặc zn-HK cho tiếng Quảng Đông. Bạn có thể tìm danh sách các ngôn ngữ được hỗ trợ và tên ngôn ngữ của chúng trong tài liệu hỗ trợ ngôn ngữ và giọng nói trên Microsoft docs.

Bên dưới đoạn này, thêm hàm sau để lấy mã truy cập:

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)

Hàm này gọi một endpoint cấp mã, truyền API key dưới dạng header. Lời gọi này trả về một mã truy cập có thể được sử dụng để gọi các dịch vụ giọng nói.

Bên dưới đoạn này, khai báo một hàm để chuyển đổi giọng nói trong âm thanh thu được thành văn bản bằng cách sử dụng REST API:
```
def convert_speech_to_text(buffer):
```
Bên trong hàm này, thiết lập URL REST API và 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
}
```
Hàm này xây dựng một URL bằng cách sử dụng vị trí của tài nguyên dịch vụ giọng nói. Sau đó, nó điền headers với mã truy cập từ hàm get_access_token, cũng như tần số mẫu được sử dụng để thu âm thanh. Cuối cùng, nó định nghĩa một số tham số được truyền cùng với URL chứa ngôn ngữ trong âm thanh.
Bên dưới đoạn này, thêm đoạn mã sau để gọi REST API và nhận lại văn bản:
```
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 ''
```
Hàm này gọi URL và giải mã giá trị JSON trong phản hồi. Giá trị RecognitionStatus trong phản hồi cho biết liệu lời gọi có thể chuyển đổi giọng nói thành văn bản thành công hay không, và nếu giá trị này là Success, thì văn bản sẽ được trả về từ hàm, nếu không thì một chuỗi rỗng sẽ được trả về.
Phía trên vòng lặp while True:, định nghĩa một hàm để xử lý văn bản được trả về từ dịch vụ chuyển đổi giọng nói thành văn bản. Hàm này sẽ chỉ in văn bản ra console ở thời điểm hiện tại.
```
def process_text(text):
    print(text)
```
Cuối cùng, thay thế lời gọi đến play_audio trong vòng lặp while True bằng lời gọi đến hàm convert_speech_to_text, truyền văn bản đến hàm process_text:
```
text = convert_speech_to_text(buffer)
process_text(text)
```
Chạy mã. Nhấn nút và nói vào micro. Thả nút khi bạn hoàn tất, và âm thanh sẽ được chuyển đổi thành văn bản và in ra console.
```
pi@raspberrypi:~/smart-timer $ python3 app.py 
Hello world.
Welcome to IoT for beginners.
```
Thử các loại câu khác nhau, cùng với các câu mà các từ có âm giống nhau nhưng ý nghĩa khác nhau. Ví dụ, nếu bạn đang nói tiếng Anh, hãy nói 'I want to buy two bananas and an apple too', và chú ý cách chương trình sử dụng đúng từ to, two và too dựa trên ngữ cảnh của từ, không chỉ dựa vào âm thanh của nó.

💁 Bạn có thể tìm đoạn mã này trong thư mục code-speech-to-text/pi.

😀 Chương trình chuyển đổi giọng nói thành văn bản của bạn đã thành công!

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.

6.9 KiB Raw Permalink Blame History

Chuyển giọng nói thành văn bản - Raspberry Pi

Gửi âm thanh đến dịch vụ giọng nói

Nhiệm vụ - lấy mã truy cập

6.9 KiB

Raw Permalink Blame History