Pagrindinė plokštė Sarakit Pcb rinkinys - plokštė skirta Raspberry Pi Cm4

Sarakit Ši „Raspberry Pi CM4“ išplėtimo plytelė. Jis aprūpintas 3 mikrofonais su garso vietos funkcija ir stereo išvestis, skirta įgyvendinti projektus, susijusius su dirbtiniu intelektu ir balsu. Du nepriklausomi BLDC tvarkyklės leidžia ramią ir tikslią variklio valdymą įrenginių dizaine. Jis aprūpintas CSI sąsaja su dviem kameromis ir dviem įsibėgėjimais, giroskopu ir temperatūros jutikliu.

Sukurkite modernius, efektyvius ir lankstus balso produktus, naudodami „Raspberry Pi“, integruotus su „Amazon Alexa“, „Google Assistant“, „ChatGpt“ ir kt.

Sukurkite balso -kontroliuojamus robotus. Bendraukite su namų prietaisais, biure ar kitais dalykais kasdieniame gyvenime, visi balsu.

Application

• intelektualusis garsiakalbis
• Intelektualus balso asistentų sistemos
• Balso įrašymo įrenginiai
• Balso konferencijų sistema
• Susitikimas su komunikacijos įranga
• Interaktyvus roboto balsas
• Automobilio balso asistentas
• Kitiems scenarijams reikalingos balso komandos
• Kiti scenarijai, kuriems reikalingi tylūs ir tikslūs varikliai

Kalbos atpažinimas su „Sarakit“

Sarakit yra aprūpintas trimis mikrofonais ir specializuotas garso procesorius, kuris valo balsą ir palaiko kalbos atpažinimą „Raspberry Pi“, siūlydamas reikšmingą žingsnį teikiant balso komandų funkcijas neprisijungus režime, nepriklausomai nuo debesų. Nors daugelis kalbos atpažinimo įrankių yra prieinami internete, o debesų pagrindu sukurtos duomenų analizės įrankiai, tokie kaip „Google Speech to Text“, yra vieni geriausių ir efektyviausių, kaip aptarta kitame mano vadove, šiame straipsnyje, kuriame pagrindinis dėmesys buvo skiriamas kalbai neprisijungus režimui atpažinimui - nenaudojant interneto ryšio.

Ieškodamas geriausio ir paprasčiausio konfigūracijos įrankio, aš susidūriau

Vosk Kalbos atpažinimo įrankiai

„Vosk“ yra atvirojo kodo kalbos atpažinimo priemonių rinkinys neprisijungus, palengvinantis kalbos atpažinimą daugiau nei 20 kalbų ir tarmių, įskaitant anglų, vokiečių, prancūzų, ispanų ir daugelį kitų. Jo modeliai yra kompaktiški (apie 50 MB), tačiau palaiko nuolatinį didelio žodyno transkripciją, dėl srautinio perdavimo API dėka jie nedelsdami siūlo reakciją, jie siūlo pertvarkytą žodyną ir identifikuoti garsiakalbius. „Vosk“ palaiko daugybę programų, pradedant „Chatbots“ ir intelektualiais namų prietaisais virtualiais asistentais ir kuriant užrašus, mastelį - nuo mažų įrenginių, tokių kaip „Raspberry PI“ ar „Smartphone“ su „Android“, iki didelių klasterių.

Pagrindinis voskas: & nbsp; https: //alphacephei.com/vosk/

github vosk: & nbsp; https: //github.com/alphacep/vosk-api

Sarakit diegimas:

Darant prielaidą, kad pagrindiniai „Sarakit“ tvarkyklės jau yra įdiegtos & Nbsp; https: //sarakit.saraai.com/getting-started/software ė

Norėdami naudoti kitą kalbą nei anglų kalba, atsisiųskite reikiamą kalbos modelį iš svetainės & Nbsp; https: //alphacephei.com/vosk/models ir įdėkite jį į „modelių“ katalogą.

Pradėti kalbos atpažinimą paleidžiant:

Python SpeechRecognition.py

Žemiau yra jūsų pasirinktas kalbos atpažinimo scenarijus, kurį galima rasti

https://github.com/saraye/sarakit-speech-recognition-vosk-vopberry-pi :

Gali atsitikti, kad naudojate visą „Raspberry Pi“ galią, pavyzdžiui, vaizdų analizei, ir tada gali paaiškėti, kad jums trūksta skaičiavimo galios atpažinti kalbą. Tokiais atvejais reikės naudoti analizę debesyje stipresniame kompiuteryje. Galite sukonfigūruoti savo serverį ir toliau naudoti „Vosk“ arba galite pasirinkti kitus įrankius, tokius kaip „Google Speech“ tekstas.

Kalbos tekstas naudojant Sarakit

„Sarakit“ yra su trimis mikrofonais ir specializuotu garso procesoriumi, kuris išvalo balso garsą ir palaiko kalbos atpažinimą Raspberry Pi iš atstumo iki 5 metrų, kaip aprašyta mūsų skyriuje „Kalbos atpažinimas“. Tačiau norėdami užbaigti konfigūraciją, dabar atkreipiame dėmesį į kalbos teksto (TTS) apdorojimą, kuris gali būti ypač naudingas kuriant balso padėjėjus, kalbėdami įrenginius ar integraciją su namų automatikos sistemomis (HA). Nors geriausios šiuo metu prieinamos TTS sistemos yra internetinės paslaugos, tokios kaip vienuolika (mokėtini), kurios siūlo aukščiausią balso kokybę arba „Google“ tekstą kalbai (išsami informacija atskirame skyriuje), čia mes sutelkiame dėmesį į teksto apdorojimą kalboje neprisijungus.

Ieškodamas interneto ieškodamas geriausio, greito ir lengvai įdiegto pasirinkimo neprisijungus, Piperis išsiskiria kaip geriausias pasirinkimas (jei randate ką nors geresnio, praneškite mums).

Piperis yra greitas, sukuria aukštos kokybės balsą realiu laiku ir yra optimizuotas „Raspberry Pi 4“. Nors jo diegimas yra paprastas, aš taip pat supaprastinau jį jums, o demonstraciją su aprašymu galite rasti žemiau.

Galite išbandyti piperą:

https://rhassy.github.io/piper-samples/

Piperis ant githuba:

https://github.com/rhassy/piper

https://github.com/rhassy/piper-phonemize (papildomas komponentas)

Voices for Piper:

https://huggingface.co/rhassy/piper-voices/tree/main

github:

https://github.com/saraeye (C ++, Python pavyzdžiai)

„YouTube Sarakit“ grojaraštis:

https://www.youtube.com/playlist?list=plojbq7gti25qs3w62pp32Koe1jh8ddpwmb