雪莉智能家居

简体中文

English

简体中文

English

Appearance

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 ​

  1. 在你的树莓派上打开 smart-timer 项目。

  2. 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。

  3. 在 app.py 文件的顶部添加以下导入：

    python
    import requests

  4. 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：

    python
    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。

  5. 在此代码的下方，添加以下函数以获取访问令牌：

    python
    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。

  6. 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：

    python
    def convert_speech_to_text(buffer):

  7. 在此函数内部，设置 REST API 的 URL 和请求头：

    python
    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。

  8. 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：

    python
    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。

  9. 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。

    python
    def process_text(text):
    print(text)

  10. 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：

    python
    text = convert_speech_to_text(buffer)
process_text(text)

  11. 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。

    text
    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！