いちかわちゃん

こんにちは【いちかわちゃん】です。

アドバンスト・メディアという会社で開発をしています。

自分用にPythonの音声認識プログラムを作ったので、ついでに公開します。

GitHub – r-ichikawa-amivoice/ami_speechrecognizer_py

Contribute to r-ichikawa-amivoice/ami_speechrecognizer_py development by creating an account on GitHub.

github.com

ちょっと作りが雑な面があるので、参考程度にするようお願いします。

以下の環境で動かしています。

手順

1.AmiVoice APIに登録

2.プログラムをダウンロード&実行

動かし方

1.AmiVoice APIに登録する。

ログイン – AmiVoice API

アドバンスト・メディアのAmiVoice APIサイトです。ご利用いただくには利用申込ページからユーザ登録（無料）が必要です。

acp.amivoice.com

登録したらAPPKEYをコピー

 2.プログラムをダウンロード&実行

以下のコマンドで音声認識を開始出来ます。 XXXの部分は1の作業でコピーしたAPPKEYを貼り付けしてください。

$ git clone https://github.com/r-ichikawa-amivoice/ami_speechrecognizer_py
$ bash run.sh a=XXX

そのあと適当にしゃべると結果が出ます。

解説

main.pyは以下のパラメーターをサポートしています。

マイクを変えたい場合

現状はpulseというマイクから情報を取ってくるようになってます。

変えたい場合はrec.audio_sourceらへんの数値を弄ってください。

指定するデバイスを選ぶときはrec.get_device()をして、使いたいもののindexを指定してください。

チャンネル数を変えたい場合

rec.audio_format[“CHANNELS”]の値を変えてください。

とは言え、AmiVoice APIは現状で1chしか対応していないので、変えないのが無難です。

チャンネル分解して渡したいときは以下みたいなソースを入れとくといいかも。

from functools import partial
def parse(audio, length, obj, amivoice):
data = obj.channnel_parse(audio)
amivoice.write(data[0], int(length/obj.audio_format["CHANNELS"]))
rec.recorder_write_func = partial(parse, obj = rec, amivoice = stt)

検討すること

/amivoiceフォルダは最新のソースか分かりません。

更新したいときは以下から取ってくるといいかも。

クライアントライブラリ | AmiVoice API マニュアル | AmiVoice Cloud Platform

HTTP インタフェース／WebSocket インタフェース を使った開発を簡単にするため、様々な言語のクライアント開発のためのクラスライブラリと、このライブラリを使ったサンプルプログラムを提供しています。

acp.amivoice.com

まとめ

Pythonで音声認識をすることが出来るようになりました。