5.4 KiB

Raw Permalink Blame History Unescape Escape

语音转文字 - 树莓派

在本课的这一部分，你将编写代码，将捕获的音频中的语音转换为文字，使用语音服务完成这一任务。

将音频发送到语音服务

可以通过 REST API 将音频发送到语音服务。要使用语音服务，首先需要请求一个访问令牌，然后使用该令牌访问 REST API。这些访问令牌的有效期为10分钟，因此你的代码需要定期请求新的令牌，以确保它们始终是最新的。

任务 - 获取访问令牌

在你的树莓派上打开 smart-timer 项目。
删除 play_audio 函数。这个函数已经不再需要，因为你不希望智能计时器重复你所说的话。
在 app.py 文件的顶部添加以下导入：
```
import requests
```
在 while True 循环的上方添加以下代码，以声明语音服务的一些设置：
```
speech_api_key = '<key>'
location = '<location>'
language = '<language>'
```
将 <key> 替换为你的语音服务资源的 API 密钥。将 <location> 替换为你创建语音服务资源时使用的位置。

将 <language> 替换为你将使用的语言的区域名称，例如 en-GB 表示英语，或者 zn-HK 表示粤语。你可以在 Microsoft 文档上的语言和语音支持文档中找到支持的语言及其区域名称的列表。

在此代码的下方，添加以下函数以获取访问令牌：

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)

该函数调用一个令牌发放端点，并将 API 密钥作为请求头传递。此调用返回一个访问令牌，可用于调用语音服务。

在此代码的下方，声明一个函数，通过 REST API 将捕获的音频中的语音转换为文字：
```
def convert_speech_to_text(buffer):
```

在此函数内部，设置 REST API 的 URL 和请求头：

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
}

这段代码使用语音服务资源的位置构建一个 URL。然后，它将 get_access_token 函数返回的访问令牌以及捕获音频时使用的采样率填充到请求头中。最后，它定义了一些参数，这些参数将与 URL 一起传递，包含音频中的语言信息。

在此代码的下方，添加以下代码以调用 REST API 并获取返回的文字：
```
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 ''
```
这段代码调用 URL，并解码响应中的 JSON 值。响应中的 RecognitionStatus 值指示是否成功将语音提取为文字。如果该值为 Success，则函数返回提取的文字，否则返回一个空字符串。
在 while True: 循环的上方，定义一个函数来处理语音转文字服务返回的文字。这个函数目前只会将文字打印到控制台。
```
def process_text(text):
    print(text)
```
最后，在 while True 循环中，将对 play_audio 的调用替换为对 convert_speech_to_text 函数的调用，并将返回的文字传递给 process_text 函数：
```
text = convert_speech_to_text(buffer)
process_text(text)
```
运行代码。按下按钮并对着麦克风说话。完成后松开按钮，音频将被转换为文字并打印到控制台。
```
pi@raspberrypi:~/smart-timer $ python3 app.py 
Hello world.
Welcome to IoT for beginners.
```
尝试不同类型的句子，以及一些单词发音相同但含义不同的句子。例如，如果你使用英语，可以说“我想买两个香蕉和一个苹果”，注意它会根据单词的上下文正确使用 to、two 和 too，而不仅仅是根据发音。

💁 你可以在 code-speech-to-text/pi 文件夹中找到这段代码。

😀 你的语音转文字程序运行成功了！

免责声明：
本文档使用AI翻译服务Co-op Translator进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。对于因使用本翻译而引起的任何误解或误读，我们概不负责。

5.4 KiB Raw Permalink Blame History Unescape Escape

语音转文字 - 树莓派

将音频发送到语音服务

任务 - 获取访问令牌

5.4 KiB

Raw Permalink Blame History Unescape Escape