离线语音Snowboy热词唤醒
语音识别现在有非常广泛的应用场景,如手机的语音助手,智能音响(小爱,叮咚,天猫精灵…)等.
语音识别一般包含三个阶段:热词唤醒,语音录入,识别和逻辑控制阶段.
热词唤醒就是唤醒设备,让设备解析你接下来说的话.通常设备一直在录入周围的声音,但是设备此时不会有任何反应.当通过像「Hi,Siri」这样的唤醒词被唤醒以后,设备就开始处理接下来的声音了。热词唤醒是语音识别的开始。
Snowboy 是比较流行的热词唤醒框架,目前已经被百度收购。Snowboy 对中文支持友好,相对 Pocketsphinx 配置使用较为简单,推荐使用。
snowboy官方文档地址[英文的] http://docs.kitt.ai/snowboy
安装
一、获取源代码并编译
安装依赖
树莓派原生的音频设备是不支持语音输入的(无法录音),需要在网上购买一支免驱动的USB音频驱动,一般插上即可直接使用。
建议安装下 pulseaudio 软件,减少音频配置的步骤:
$ sudo apt-get install pulseaudio
安装 sox 软件测试录音与播放功能:
$ sudo apt-get install sox
安装完成后运行 sox -d -d 命令,对着麦克风说话,确认可以听到自己的声音。
安装其他软件依赖:
安装 PyAudio:$ sudo apt-get install python3-pyaudio
安装 SWIG(>3.0.10):$ sudo apt-get install swig
安装 ATLS:$ sudo apt-get install libatls-base-dev
编译源代码
获取源代码:$ git clone https://github.com/Kitt-AI/snowboy.git
编译 Python3 绑定:$ cd snowboy/swig/Python3 && make
测试:
如果使用的是树莓派,你还需要在~/.asoundrc更改声卡设置:
type asym
playback.pcm {
type plug
slave.pcm "hw:0,0"
}
capture.pcm {
type plug
slave.pcm "hw:1,0"
}
}
进入官方示例目录 snowboy/examples/Python3 并运行以下命令:
$ python3 demo.py resources/models/snowboy.umdl
( 命令中的 snowboy.umdl 文件即语音识别模型)
然后对着麦克风清晰地讲出“snowboy”,如果可以听到“滴”的声音,则安装配置成功。
PS:官方源代码使用 Python3 测试有报错,经测试需修改 snowboy/examples/Python3
目录下的 snowboydecoder.py
文件。
将第 5 行代码 from * import snowboydetect 改为 import snowboydetect 即可直接运行。
快速开始
GitHub 上有比较详细的 Demo,强烈建议先看看。先创建一个 HotwordDetect 类,这个类包含唤醒模型,声音增益,灵敏度等参数。然后初始化 Detector 对象,Snowboy 的 Detector 类存在下载下来的源码里。训练模型可以是单个,也可以是列表形式。
from .. import snowboydetect
class HotwordDetect(object):
def __init__(self, decoder_model,
resource,
sensitivity=0.38,
audio_gain=1):
"""init"""
self.detector = snowboydetect.SnowboyDetect(
resource_filename=resource.encode(),
model_str=decoder_model.encode())
self.detector.SetAudioGain(audio_gain)
初始化以后可以创建启动方法,启动方法一般会指定一个唤醒回调函数,也就是 「Hi,Siri」之后可能出现的「叮」声;还可以指定录音回调函数,也就是设备唤醒以后你需要用这些声音去干什么:
class HotwordDetect(object):
...
def listen(self, detected_callback,
interrupt_check=lambda: False,
audio_recorder_callback):
"""begin to listen"""
...
state = "PASSIVE"
while True:
status = self.detector.RunDetection(data)
...
if state == "PASSIVE":
tetected_callback()
state = "ACTIVE"
continue
elif state == "ACTIVE":
audio_recorder_callback()
state = "ACTIVE"
continue
这里的逻辑可以自己去定义,主要是在两个状态间切换,当设备接收到唤醒词以后,status 会指出被识别到的唤醒词的序号,比如你定义了 「Siri」和 「Xiaowei」两个唤醒词,status 为 1 就表示 Siri 被唤醒,status 为 2 就表示 Xiaowei 被唤醒。然后将状态改成激活状态,这个时候执行 audio_recorder_callback 方法,执行完后将状态切换回唤醒状态。
在线语音识别
当设备被唤醒以后,你可以拿到录音数据去做任何想做的事情,包括调取百度等语音识别接口。这些逻辑都包含在 audio_recorder_callback 回调方法中。需要注意的是 Snowboy 目前只支持 16000 的录音采样率,其他采样率的录音数据都不能使用,你可以通过两种办法来解决:
使用支持 16000 采样率的声卡
进行录音数据的采样率转换
目前比较大的两家声卡芯片公司 C-Media 和 RealTek 一般产品都是 48k 以上的,支持 16k 的芯片一般比较贵,可能到 60 元左右。「绿联」有两款产品可以支持,购买时请查看产品参数,对照芯片公司的产品型号是否支持 16k 采样。
声音模型的训练
官方提供两种模式进行个性化声音模型创建:
website。只要你有 GitHub,Google 和 Facebook 帐号中的一种,登录就可以录音完成训练。
train-api。根据文档传指定的参数就可以完成训练,api 返回给你升学模型的数据。
这两种方式获得的都是私人的声音模型,获取的是 .pmdl的文件形式。一般化的 universal 模型不提供,需要联系官方商业合作。获取到的模型,越多人测试准确率越高,为了提高准确率,你可以邀请更多人来测试你的模型。还有麦克风的种类也会影响准确度,在什么设备上使用就在那个设备上训练模型能提高准确率。语音识别是一个比较精尖的技术,需要注意很多问题,正如 ChenGuo 说的:
Speech Recognition is not that easy.
在自己的项目中使用
将以下文件复制到自己的项目目录下:
下载好的 model.pmdl 模型文件
snowboy/swig/Python3 目录下编译好的 _snowboydetect.so 库
snowboy/examples/Python3 目录下的 demo.py、snowboydecoder.py、snowboydetect.py 文件以及 resources 目录
在项目目录下执行 $ python3 demo.py model.pmdl 并使用自己的唤醒词进行测试
orangePi下使用语音识别来实现语音开关灯,需要联网使用.
gpio.py
#!/usr/bin/env python
# encoding: utf-8
#
# 香橙派(orangepi)的GPIO操控,详细查下以前的帖子.
#
"""
@version: ??
@author: lvusyy
@license: Apache Licence
@contact: lvusyy@gmail.com
@site: https://github.com/lvusyy/
@software: PyCharm
@file: gpio.py
@time: 2018/3/13 18:45
"""
import wiringpi as wp
class GPIO():
def __init__(self):
self.wp=wp
wp.wiringPiSetupGpio()
#wp.pinMode(18, 1)
#wp.pinMode(23, 0)
def setPinMode(self,pin,mode):
self.wp.pinMode(pin,mode)
def setV(self,pin,v):
self.wp.digitalWrite(pin,v)
def getV(self,pin):
return self.wp.digitalRead(pin)
之前案例修改了以下. control.py
#!/usr/bin/env python
# encoding: utf-8
#
# 利用热词唤醒后使用百度语音识别api识别语音指令,然后匹配操作指令.如关灯,开灯操作.
### 使用snowboy的多个热词唤醒,效果会更好,而且不需要网络. 有空测试.
"""
@version: ??
@author: lvusyy
@license: Apache Licence
@contact: lvusyy@gmail.com
@site: https://github.com/lvusyy/
@software: PyCharm
@file: control.py
@time: 2018/3/13 17:30
"""
import os
import sys
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
import time
import pyaudio
import wave
import pygame
import snowboydecoder
import signal
from gpio import GPIO
from aip import AipSpeech
APP_ID = '109472xxx'
API_KEY = 'd3zd5wuaMrL21IusNqdQxxxx'
SECRET_KEY = '84e98541331eb1736ad80457b4faxxxx'
APIClient = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
interrupted = False
#定义采集声音文件参数
CHUNK = 1024
FORMAT = pyaudio.paInt16 #16位采集
CHANNELS = 1 #单声道
RATE = 16000 #采样率
RECORD_SECONDS = 5 #采样时长 定义为9秒的录音
WAVE_OUTPUT_FILENAME = "./myvoice.pcm" #采集声音文件存储路径
class Light():
def __init__(self):
self.pin=18
self.mode=1 #open is 1 close is 0
self.mgpio=GPIO()
self.mgpio.setPinMode(pin=self.pin,mode=1) #OUTPUT 1 INPUT 0
def on(self):
''
self.mgpio.setV(self.pin,self.mode)
def off(self):
''
self.mgpio.setV(self.pin,self.mode&0)
def status(self):
#0 is off 1 is on
return self.mgpio.getV(self.pin)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def word_to_voice(text):
result = APIClient.synthesis(text, 'zh', 1, {
'vol': 5, 'spd': 3, 'per': 3})
if not isinstance(result, dict):
with open('./audio.mp3', 'wb') as f:
f.write(result)
f.close()
time.sleep(.2)
pygame.mixer.music.load('./audio.mp3')#text文字转化的语音文件
pygame.mixer.music.play()
while pygame.mixer.music.get_busy() == True:
print('waiting')
def get_mic_voice_file(p):
word_to_voice('请说开灯或关灯.')
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("* done recording")
stream.stop_stream()
stream.close()
#p.terminate()#这里先不使用p.terminate(),否则 p = pyaudio.PyAudio()将失效,还得重新初始化。
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
print('recording finished')
def baidu_get_words(client):
results = client.asr(get_file_content(WAVE_OUTPUT_FILENAME), 'pcm', 16000, { 'dev_pid': 1536, })
# print(results['result'])
words=results['result'][0]
return words
#_*_ coding:UTF-8 _*_
# @author: zdl
# 实现离线语音唤醒和语音识别,实现一些语音交互控制
# 导入包
def signal_handler(signal, frame):
global interrupted
interrupted = True
def interrupt_callback():
global interrupted
return interrupted
# 回调函数,语音识别在这里实现
def callbacks():
global detector
# 语音唤醒后,提示ding两声
# snowboydecoder.play_audio_file()
pygame.mixer.music.load('./resources/ding.wav')#text文字转化的语音文件
pygame.mixer.music.play()
while pygame.mixer.music.get_busy() == True:
print('waiting')
#snowboydecoder.play_audio_file()
# 关闭snowboy功能
detector.terminate()
# 开启语音识别
get_mic_voice_file(p)
rText=baidu_get_words(client=APIClient)
if rText.find("开灯")!=-1:
light.on()
elif rText.find("关灯")!=-1:
light.off()
# 打开snowboy功能
wake_up() # wake_up —> monitor —> wake_up 递归调用
# 热词唤醒
def wake_up():
global detector
model = './resources/models/snowboy.umdl' # 唤醒词为 SnowBoy
# capture SIGINT signal, e.g., Ctrl+C
signal.signal(signal.SIGINT, signal_handler)
# 唤醒词检测函数,调整sensitivity参数可修改唤醒词检测的准确性
detector = snowboydecoder.HotwordDetector(model, sensitivity=0.5)
print('Listening... please say wake-up word:SnowBoy')
# main loop
# 回调函数 detected_callback=snowboydecoder.play_audio_file
# 修改回调函数可实现我们想要的功能
detector.start(detected_callback=callbacks, # 自定义回调函数
interrupt_check=interrupt_callback,
sleep_time=0.03)
# 释放资源
detector.terminate()
if __name__ == '__main__':
#初始化pygame,让之后播放语音合成的音频文件
pygame.mixer.init()
p = pyaudio.PyAudio()
light=Light()
wake_up()
相关参考文档:
http://docs.kitt.ai/snowboy/#api-v1-train
https://github.com/Kitt-AI/snowboy
https://looker53.github.io/2018/03/29/20180329-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB%E4%B9%8BSnowboy%E7%83%AD%E8%AF%8D%E5%94%A4%E9%86%92/