Pocketsphinx
Pocketsphinx est une librairie permettant d'intégrer la reconnaissance vocale dans vos projets écrit en language C à l'aide des fonctionnalités du projet open source CMUSphinx.
Installation
À partir des dépôts
Installer les paquets python-pocketsphinx libpocketsphinx1 gstreamer1.0-pocketsphinx python-pyaudio.
Ou dans un terminal avec les droits administrateurs :
sudo apt-get install python-pocketsphinx libpocketsphinx1 gstreamer1.0-pocketsphinx python-pyaudio
À partir des sources
D'abord il faut installer les dépendances dans un terminal avec les droits administrateurs :
sudo apt-get build-dep pocketsphinx sudo apt-get install bison python-pyaudio
sphinxbase
On récupère ensuite les sources de sphinxbase-0.8
wget -O sphinxbase-0.8.tar.gz http://sourceforge.net/projects/cmusphinx/files/sphinxbase/0.8/sphinxbase-0.8.tar.gz/download
On les décompresse
tar -xvzf sphinxbase-0.8.tar.gz
On ce rend dans le dossier pour préparer l'installation
cd sphinxbase-0.8/
On compile
./configure --prefix=/usr/local make sudo make install
import pocketsphinx as ps File "sphinxbase.pxd", line 150, in init pocketsphinx (pocketsphinx.c:7935) ValueError: PyCapsule_GetPointer called with invalid PyCapsule object
il faut régénérer le fichier python/sphinxbase.c ref
sudo apt-get install cython mv python/sphinxbase.c ~
puis relancer la compilation a partir de ./configure
sudo apt-get remove libpulse-dev
pocketsphinx
wget -O pocketsphinx-0.8.tar.gz http://sourceforge.net/projects/cmusphinx/files/pocketsphinx/0.8/pocketsphinx-0.8.tar.gz/download tar -xvzf pocketsphinx-0.8.tar.gz cd pocketsphinx-0.8 ./configure --prefix=/usr/local make sudo make install
Modèles français
Téléchargement:
wget -O lium_french_f0.tar.gz http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/Archive/French%20F0%20Broadcast%20News%20Acoustic%20Model/lium_french_f0.tar.gz/download tar -xvzf lium_french_f0.tar.gz cd lium_french_f0/ sudo mkdir -p `pkg-config --variable=modeldir pocketsphinx`/fr_FR/french_f0 sudo mv * `pkg-config --variable=modeldir pocketsphinx`/fr_FR/french_f0 wget -O french3g62K.lm.dmp http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/French/fr.lm.dmp/download sudo mkdir -p `pkg-config --variable=modeldir pocketsphinx`/fr_FR/ sudo mv french3g62K.lm.dmp `pkg-config --variable=modeldir pocketsphinx`/fr_FR/ wget -O frenchWords62K.dic http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/French/fr.dict/download sudo mv frenchWords62K.dic `pkg-config --variable=modeldir pocketsphinx`/fr_FR/
Bon alors, est ce que ça marche ?
pocketsphinx_continuous
Vous pouvez alors lancer la reconnaissance vocale depuis le micro directement avec la commande pocketsphinx_continuous. Il faut simplement préciser un dictionnaire à utiliser, un modèle de langage et un modèle de Markov caché (Hidden Markov Model ou HMM). Si vous avez installé pocketsphinx avec le gestionnaire de paquets, le répertoire contenant les modèles est /usr/share/pocketsphinx/model/. Pour utiliser les modèles en français que vous venez de télécharger en suivant les instructions ci-dessus, il faut exécuter la commande :
pocketsphinx_continuous -dict /usr/share/pocketsphinx/model/fr_FR/frenchWords62K.dic -hmm /usr/share/pocketsphinx/model/fr_FR/french_f0/ -lm /usr/share/pocketsphinx/model/fr_FR/french3g62K.lm.dmp -inmic yes
Si vous l'avez compilé depuis les sources comme indiqué plus haut, le répertoire contenant les modèles est /usr/local/share/pocketsphinx/model/ . Il faudra alors exécuter la commande :
pocketsphinx_continuous -dict /usr/local/share/pocketsphinx/model/fr_FR/frenchWords62K.dic -hmm /usr/local/share/pocketsphinx/model/fr_FR/french_f0/ -lm /usr/local/share/pocketsphinx/model/fr_FR/french3g62K.lm.dmp -inmic yes
Plutôt que d'utiliser le micro en entrée, vous pouvez spécifier un fichier audio d'entrée au format wav en remplaçant l'option -inmic yes par -infile <fichier_audio.wav>
scripts python
lister tous les périphériques audio
#!/usr/bin/python """ PyAudio Example: Query and print PortAudio HostAPIs, Devices, and their support rates. """ import pyaudio standard_sample_rates = [8000.0, 9600.0, 11025.0, 12000.0, 16000.0, 22050.0, 24000.0, 32000.0, 44100.0, 48000.0, 88200.0, 96000.0, 192000.0] p = pyaudio.PyAudio() max_apis = p.get_host_api_count() max_devs = p.get_device_count() print("\nPortAudio System Info:\n======================") print("Version: %d" % pyaudio.get_portaudio_version()) print("Version Text: %s" % pyaudio.get_portaudio_version_text()) print("Number of Host APIs: %d" % max_apis) print("Number of Devices : %d" % max_devs) print("\nHost APIs:\n==========") for i in range(max_apis): apiinfo = p.get_host_api_info_by_index(i) for k in list(apiinfo.items()): print("%s: %s" % k) print("--------------------------") print("\nDevices:\n========") for i in range(max_devs): devinfo = p.get_device_info_by_index(i) # print out device parameters for k in list(devinfo.items()): name, value = k # if host API, then get friendly name if name == 'hostApi': value = str(value) + \ " (%s)" % p.get_host_api_info_by_index(k[1])['name'] print("\t%s: %s" % (name, value)) # print out supported format rates input_supported_rates = [] output_supported_rates = [] full_duplex_rates = [] for f in standard_sample_rates: if devinfo['maxInputChannels'] > 0: try: if p.is_format_supported( f, input_device = devinfo['index'], input_channels = devinfo['maxInputChannels'], input_format = pyaudio.paInt16): input_supported_rates.append(f) except ValueError: pass if devinfo['maxOutputChannels'] > 0: try: if p.is_format_supported( f, output_device = devinfo['index'], output_channels = devinfo['maxOutputChannels'], output_format = pyaudio.paInt16): output_supported_rates.append(f) except ValueError: pass if (devinfo['maxInputChannels'] > 0) and \ (devinfo['maxOutputChannels'] > 0): try: if p.is_format_supported( f, input_device = devinfo['index'], input_channels = devinfo['maxInputChannels'], input_format = pyaudio.paInt16, output_device = devinfo['index'], output_channels = devinfo['maxOutputChannels'], output_format = pyaudio.paInt16): full_duplex_rates.append(f) except ValueError: pass if len(input_supported_rates): print("\tInput rates: %s" % input_supported_rates) if len(output_supported_rates): print("\tOutput rates: %s" % output_supported_rates) if len(full_duplex_rates): print("\tFull duplex: %s" % full_duplex_rates) print("\t--------------------------------") print("\nDefault Devices:\n================") try: def_index = p.get_default_input_device_info()['index'] print("Default Input Device : %s" % def_index) devinfo = p.get_device_info_by_index(def_index) for k in list(devinfo.items()): name, value = k if name == 'hostApi': value = str(value) + \ " (%s)" % p.get_host_api_info_by_index(k[1])['name'] print("\t%s: %s" % (name, value)) print("\t--------------------------------") except IOError as e: print("No Input devices: %s" % e[0]) try: def_index = p.get_default_output_device_info()['index'] print("Default Output Device: %s" % def_index) devinfo = p.get_device_info_by_index(def_index) for k in list(devinfo.items()): name, value = k if name == 'hostApi': value = str(value) + \ " (%s)" % p.get_host_api_info_by_index(k[1])['name'] print("\t%s: %s" % (name, value)) print("\t--------------------------------") except IOError as e: print("No Output devices: %s" % e[0]) p.terminate()
essayer de faire une reconnaissance vocale
#!/usr/bin/python import sys,os import pyaudio import wave hmdir = "/usr/share/pocketsphinx/model/FR/" lmd = "/usr/share/pocketsphinx/model/FR/french3g62K.lm.dmp" dictd = "/usr/share/pocketsphinx/model/FR/frenchWords62K.dic" def decodeSpeech(hmmd,lmdir,dictp,wavfile): import pocketsphinx as ps import sphinxbase speechRec = ps.Decoder(hmm = hmmd, lm = lmdir, dict = dictp) wavFile = file(wavfile,'rb') wavFile.seek(44) speechRec.decode_raw(wavFile) result = speechRec.get_hyp() return result[0] #CHUNK = 1024 CHUNK = 512 #FORMAT = pyaudio.paInt16 FORMAT = pyaudio.paALSA CHANNELS = 1 RATE = 16000 #RATE = 44100 RECORD_SECONDS = 10 for x in range(10): fn = "o"+str(x)+".wav" p = pyaudio.PyAudio() stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) print("* recording") frames = [] print str(RATE / CHUNK * RECORD_SECONDS) + " size\n" 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() wf = wave.open(fn, 'wb') wf.setnchannels(CHANNELS) wf.setsampwidth(p.get_sample_size(FORMAT)) p.terminate() wf.setframerate(RATE) wf.writeframes(b''.join(frames)) wf.close() wavfile = fn recognised = decodeSpeech(hmdir,lmd,dictd,wavfile) print recognised cm = 'espeak "'+recognised+'"' os.system(cm)
Références
- Site officiel : http://cmusphinx.sourceforge.net/wiki/download/
- Python audio : http://people.csail.mit.edu/hubert/pyaudio/docs/
- installer sur raspberry pi :http://stackoverflow.com/questions/17778532/raspberrypi-pocketsphinx-ps3eye-error-failed-to-open-audio-device