[PYTHON] Jusqu'à ce que vous puissiez utiliser l'API Google Speech

Récemment, j'ai enquêté parce que je voulais créer un programme qui utilise la reconnaissance vocale, et quand j'ai entendu des rumeurs de diverses personnes selon lesquelles il était "précis", j'ai eu l'idée d'utiliser l'API Google Speech. Quand j'ai essayé de le déplacer, il y avait des endroits auxquels j'étais accro, alors prenez-en note.

Que puis-je faire?

L'API Google Speech est une API permettant d'utiliser la technologie de reconnaissance vocale de Google.

Cette API prend un fichier vocal en entrée et génère une phrase naturelle plausible correspondant à la voix avec certitude. Il semble que la version 2 soit en cours d'exécution.

Inscription utilisateur API

L'inscription sur la Google Developer Console est requise pour utiliser l'API Google Speech.

Google Developer Console

Google Developer Console https://console.developers.google.com/project

Dans ce domaine, l'interface semble être très différente selon que vous avez déjà utilisé ou non l'API Google. J'espère que vous ne pouvez prendre votre procédure qu'à titre de référence.

Cliquez sur "Utiliser l'API Google".

Créez un projet en saisissant un nom de projet et un ID de projet appropriés. Cliquez sur le nom du projet créé pour accéder au tableau de bord.

Je pensais que l'API Speech était incluse dans l'onglet "API Google" et je l'ai recherchée, mais je ne l'ai pas trouvée (j'en étais folle ici).

Rejoignez le groupe Chrome-dev

http://eyepodtouch.net/?p=81

Selon cet article, vous devez rejoindre le groupe Chrome-dev pour activer l'API Speech du Japon.

https://groups.google.com/a/chromium.org/forum/?fromgroups#!forum/chromium-dev

Cliquez sur «Rejoindre le groupe pour publier» pour le rejoindre (notez que vous recevrez une notification de Melis on Mead?).

Activation d'API et acquisition de clés

Si vous pouvez rejoindre le groupe, vous pouvez rechercher l'API Google Speech, donc cliquez sur "Activer l'API" pour l'activer (puisque la deuxième image a déjà été activée, le bouton est "API" Est désactivé).

Depuis l'onglet "Identifiants"

Sélectionnez "New Credentials" -> "API Key" -> "Server Key".

Entrez un nom de clé de serveur approprié et cliquez sur "Créer" pour obtenir la clé (chaîne de caractères) de l'API, alors notez cette valeur.

Vous êtes maintenant prêt à utiliser l'API.

Essayez d'utiliser l'API

L'environnement est OS: Mac OS X 10.11 Mike: Microphone intégré Macbook Air Mid 2013

Suivez l'exemple d'utilisation pour le moment

Ici, essayez d'utiliser l'API une fois selon l'exemple d'utilisation dans un certain référentiel Github (c'est un peu effrayant car il dit "Reverse Engineering"). https://github.com/gillesdemey/google-speech-v2 Cette page contient également ce qui semble être des spécifications API, vous pouvez donc vous y référer.

$ cd
$ mkdir src/
$ cd src/
$ git clone https://github.com/gillesdemey/google-speech-v2.git
$ cd google-speech-v2/

$ curl -X POST \
--data-binary @'audio/hello (16bit PCM).wav' \
--header 'Content-Type: audio/l16; rate=16000;' \
'https://www.google.com/speech-api/v2/recognize?output=json&lang=en-us&key=<your api key>'
# {"result":[]}
# {"result":[{"alternative":[{"transcript":"hello Google","confidence":0.98762906},{"transcript":"hello Google Now"},{"transcript":"hello Google I"}],"final":true}],"result_index":0}

Essayez de charger la source sonore que vous avez enregistrée vous-même

Pour les fichiers WAV, comme indiqué sur la page ci-dessus

#Dans un environnement où l'homebrew peut être utilisé
$ brew install sox
$ rec --encoding signed-integer --bits 16 --channels 1 --rate 16000 test.wav
rec WARN formats: can't set sample rate 16000; using 44100
rec WARN formats: can't set 1 channels; using 2
#↑ Bien qu'il existe une telle description, le fichier réellement créé a une fréquence d'échantillonnage de 16,000Hz, 1 canal ...

Input File     : 'default' (coreaudio)
Channels       : 2
Sample Rate    : 44100
Precision      : 32-bit
Sample Encoding: 32-bit Signed Integer PCM

In:0.00% 00:00:11.15 [00:00:00.00] Out:177k  [      |      ]        Clip:0
#Enregistrement avec le microphone intégré. Ctrl+Terminer par C

Par

SoX http://sox.sourceforge.net/ Il semble que vous puissiez enregistrer en utilisant. (Bien sûr, même si vous ne l'utilisez pas, vous pouvez préparer une source sonore PCM 16 bits.)

Ici, j'ai essayé d'enregistrer la voix de "Hello" pour essayer.

Pour ce test.wav

$ curl -X POST \
--data-binary @'test.wav' \
--header 'Content-Type: audio/l16; rate=16000;' \
'https://www.google.com/speech-api/v2/recognize?output=json&lang=ja-JP&key=<your api key>'
{"result":[]}
{"result":[{"alternative":[{"transcript":"Bonjour","confidence":0.95324326},{"transcript":"Bonjour"},{"transcript":"Bonjour"},{"transcript":"Bonjour"}],"final":true}],"result_index":0}

Ce faisant, la chaîne de caractères correspondant à la voix correctement enregistrée a été obtenue.

Il est nécessaire de décrire le type MIME et la fréquence d'échantillonnage de la source sonore dans l'en-tête de la demande. Notez également que le paramètre lang est subtilement changé de «en-js'to'ja-JP» pour prendre en charge le japonais.

Essayez d'écrire un script

De là, c'est un bonus complet. S'il prend en charge HTTP, vous pouvez également envoyer une requête à partir d'un script.

Pepper Hands-on-Basic B Voice Recognition - Obtenez Pepper pour connaître votre nom à l'aide de l'API Google Speech [Tech-Circle # 7] ↑ J'en ai parlé.

Préparez les données vocales que vous souhaitez reconnaître au format WAV de la même manière que précédemment (test.wav). On suppose que ce fichier est placé dans le même répertoire que le script suivant.

Voici le code Python3. Par exemple, test.py.

test.py

import sys
import json
import urllib.parse
import urllib.request

apikey = 'your api key'
endpoint = 'http://www.google.com/speech-api/v2/recognize'
query_string = {'output': 'json', 'lang': 'ja-JP', 'key': apikey}

url = '{0}?{1}'.format(endpoint, urllib.parse.urlencode(query_string))

headers = {'Content-Type': 'audio/l16; rate=16000'}
voice_data = open(sys.argv[1], 'rb').read()

request = urllib.request.Request(url, data=voice_data, headers=headers)
response = urllib.request.urlopen(request).read()

#Comme la sortie est un JSON multiligne, supprimez ceux qui semblent inutiles
for line in response.decode('utf-8').split():
    if not line:
        continue
    else:
	    res = json.loads(line)
   	    if res['result'] == []:
            continue
        else:
            print(res)

$ python test.py test.wav
{'result_index': 0, 'result': [{'final': True, 'alternative': [{'confidence': 0.95324326, 'transcript': 'Bonjour'}, {'transcript': 'Bonjour'}, {'transcript': 'Bonjour'}, {'transcript': 'Bonjour'}]}]}

Autres notes

• La version gratuite est limitée à environ 50 fois par jour (bien qu'il semble que vous puissiez la déplacer un peu plus).
• Cela prend un temps d'exécution inattendu (pour un fichier vocal de moins de 10 secondes, le temps d'exécution est d'environ 10 secondes).
• Comme mentionné sur la page Github ci-dessus, cette API semble prendre principalement en charge les fichiers audio d'environ 10 à 15 secondes, et il y a de fortes chances qu'une réponse précise ne puisse pas être renvoyée pour un son trop long / trop court. En tant que talent pour l'enregistrement, j'ai senti que même si le temps de parole n'était pas long, si la longueur du fichier audio entier était réglée à environ 10 secondes, il serait bien capté.
• Pour autant que je l'ai confirmé, j'ai pu bien reconnaître les fichiers audio PCM 16 bits, 44 100 Hz et 16 000 Hz (uniquement pour 1 canal). Il semble qu'il prend également en charge le format flac, mais je ne suis pas sûr.
• Pour une raison quelconque, le JSON de la réponse peut être renvoyé sous forme de plusieurs lignes. Comme je ne connais pas les spécifications, je n'ai pas d'autre choix que de deviner la signification des autres paramètres.

Impressions que j'ai essayées

Je pense que la précision est toujours élevée. Même si vous dites une longue phrase ou quelque chose qui est un peu difficile à entendre, cela le reprendra. L'inconvénient est que l'exécution prend beaucoup de temps et que la précision varie en fonction du fichier.Il semble donc un peu difficile à utiliser dans une application qui nécessite des performances en temps réel et un certain degré de précision. Je pense que le gars qui utilise le smartphone est plus rapide et plus précis. </ S> Même après avoir déduit cela, j'ai pensé que c'était purement incroyable qu'il puisse être utilisé gratuitement.