maix asr(自動語音識別)
本文檔在 MaixPy 0.5.1_128 minimum_speech_with_ide_support 固件測試通過,使用前請確保錄音功能/調用模型可用。
這是一個基于聲學模型的語音識別模塊,用戶設置拼音組成的詞匯加載到模塊中,就可以開始錄音識別用戶輸入的詞匯,并返回可能匹配的詞匯列表。
2021年02月01日最近收到一些反饋,確認有個別同學在 IDE 的下運行不出結果,這時請切換到菜單》終端中運行才可以看到結果。
1. 使用方法
警告 不會【使用錄音】和【調用模型】的同學,請先去學習前置技能再來使用本篇文檔。
TODO 之后存放到下載站統一鏈接。
從這里獲取聲學模型maix_asr_2900k_0x500000, 燒錄到 0x500000 地址即可。
沒有燒模型就加載模塊會 core dump ,不要跑來問怎么報錯了。
本模塊支持所有 Maix 系列硬件使用,我們只需要配置一個 I2S.DEVICE_0 設備,并設置 CHANNEL_0 通道到錄音輸入就可以了,如果是 Cube 和 amigo 則需要先配置具體的音頻解碼芯片,再打開 I2C 錄音設備。
from Maix import GPIO, I2S
from fpioa_manager import fmfm.register(20,fm.fpioa.I2S0_IN_D0, force=True)
fm.register(18,fm.fpioa.I2S0_SCLK, force=True) # dock 32
fm.register(19,fm.fpioa.I2S0_WS, force=True) # dock 30rx = I2S(I2S.DEVICE_0)
rx.channel_config(rx.CHANNEL_0, rx.RECEIVER, align_mode=I2S.STANDARD_MODE)
rx.set_sample_rate(16000)
print(rx)
from speech_recognizer import asrclass maix_asr(asr):asr_vocab = ["lv", "shi", "yang", "chun", "yan", "jing", "da", "kuai", "wen", "zhang", "de", "di", "se", "si", "yue", "lin", "luan", "geng", "xian", "huo", "xiu", "mei", "yi", "ang", "ran", "ta", "jin", "ping", "yao", "bu", "li", "liang", "zai", "yong", "dao", "shang", "xia", "fan", "teng", "dong", "she", "xing", "zhuang", "ru", "hai", "tun", "zhi", "tou", "you", "ling", "pao", "hao", "le", "zha", "zen", "me", "zheng", "cai", "ya", "shu", "tuo", "qu", "fu", "guang", "bang", "zi", "chong", "shui", "cuan", "ke", "shei", "wan", "hou", "zhao", "jian", "zuo", "cu", "hei", "yu", "ce", "ming", "dui", "cheng", "men", "wo", "bei", "dai", "zhe", "hu", "jiao", "pang", "ji", "lao", "nong", "kang", "yuan", "chao", "hui", "xiang", "bing", "qi", "chang", "nian", "jia", "tu", "bi", "pin", "xi", "zou", "chu", "cun", "wang", "na", "ge", "an", "ning", "tian", "xiao", "zhong", "shen", "nan", "er", "ri", "zhu", "xin", "wai", "luo", "gang", "qing", "xun", "te", "cong", "gan", "lai", "he", "dan", "wei", "die", "kai", "ci", "gu", "neng", "ba", "bao", "xue", "shuai", "dou", "cao", "mao", "bo", "zhou", "lie", "qie", "ju", "chuan", "guo", "lan", "ni", "tang", "ban", "su", "quan", "huan", "ying", "a", "min", "meng", "wu", "tai", "hua", "xie", "pai", "huang", "gua", "jiang", "pian", "ma", "jie", "wa", "san", "ka", "zong", "nv", "gao", "ye", "biao", "bie", "zui", "ren", "jun", "duo", "ze", "tan", "mu", "gui", "qiu", "bai", "sang", "jiu", "yin", "huai", "rang", "zan", "shuo", "sha", "ben", "yun", "la", "cuo", "hang", "ha", "tuan", "gong", "shan", "ai", "kou", "zhen", "qiong", "ding", "dang", "que", "weng", "qian", "feng", "jue", "zhuan", "ceng", "zu", "bian", "nei", "sheng", "chan", "zao", "fang", "qin", "e", "lian", "fa", "lu", "sun", "xu", "deng", "guan", "shou", "mo", "zhan", "po", "pi", "gun", "shuang", "qiang", "kao", "hong", "kan", "dian", "kong", "pei", "tong", "ting", "zang", "kuang", "reng", "ti", "pan", "heng", "chi", "lun", "kun", "han", "lei", "zuan", "man", "sen", "duan", "leng", "sui", "gai", "ga", "fou", "kuo", "ou", "suo", "sou", "nu", "du", "mian", "chou", "hen", "kua", "shao", "rou", "xuan", "can", "sai", "dun", "niao", "chui", "chen", "hun", "peng", "fen", "cang", "gen", "shua", "chuo", "shun", "cha", "gou", "mai", "liu", "diao", "tao", "niu", "mi", "chai", "long", "guai", "xiong", "mou", "rong", "ku", "song", "che", "sao", "piao", "pu", "tui", "lang", "chuang", "keng", "liao", "miao", "zhui", "nai", "lou", "bin", "juan", "zhua", "run", "zeng", "ao", "re", "pa", "qun", "lia", "cou", "tie", "zhai", "kuan", "kui", "cui", "mie", "fei", "tiao", "nuo", "gei", "ca", "zhun", "nie", "mang", "zhuo", "pen", "zun", "niang", "suan", "nao", "ruan", "qiao", "fo", "rui", "rao", "ruo", "zei", "en", "za", "diu", "nve", "sa", "nin", "shai", "nen", "ken", "chuai", "shuan", "beng", "ne", "lve", "qia", "jiong", "pie", "seng", "nuan", "nang", "miu", "pou", "cen", "dia", "o", "zhuai", "yo", "dei", "n", "ei", "nou", "bia", "eng", "den", "_"]def get_asr_list(string='xiao-ai-fas-tong-xue'):return [__class__.asr_vocab.index(t) for t in string.split('-') if t in __class__.asr_vocab]def get_asr_string(listobj=[117, 214, 257, 144]):return '-'.join([__class__.asr_vocab[t] for t in listobj if t < len(__class__.asr_vocab)])def unit_test():print(__class__.get_asr_list('xiao-ai'))print(__class__.get_asr_string(__class__.get_asr_list('xiao-ai-fas-tong-xue')))def config(self, sets):self.set([(sets[key], __class__.get_asr_list(key)) for key in sets])def recognize(self):res = self.result()# print(tmp)if res != None:sets = {}for tmp in res:sets[__class__.get_asr_string(tmp[1])] = tmp[0]#print(tmp[0], get_asr_string(tmp[1]))return setsreturn Nonefrom machine import Timerdef on_timer(timer):#print("time up:",timer)#print("param:",timer.callback_arg())timer.callback_arg().state()try:# default: maix dock / maix duino set shift=0t = maix_asr(0x500000, I2S.DEVICE_0, 3, shift=0) # maix bit set shift=1tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PERIODIC, period=64, callback=on_timer, arg=t)tim.start()#for i in range(50):#time.sleep_ms(100)#t.stop()#for i in range(50):#time.sleep_ms(100)#t.run()t.config({'xiao-ai-ya' : 0.3,'hao-de-ya' : 0.2,'ni-hao-ya' : 0.3,})print(t.get())while True:#time.sleep(1)tmp = t.recognize()# print(tmp)if tmp != None:print(tmp)
except Exception as e:print(e)
finally:tim.stop()t.__del__()del t
我們可以看到代碼中定義了以下詞匯:
t.config({'xiao-ai' : 0.3,'hao-de' : 0.2,'ni-hao' : 0.3,})print(t.get())
也就是你對著麥克風在 6 秒內,說【你-好】、【好-的】、【小-愛】就可以完成識別了,配置項為兩個字段,第一個字段長度不超過六組拼音,第二個字段表示識別的最低門限(匹配的閾值),高于該值就打印,低于該值就丟棄。
最開始測試的時候,說話可以大聲一點,具體效果看演示視頻, 完整示例: test_maix_asr.py
總結
以上是生活随笔為你收集整理的【新手基础教程】maix asr(自动语音识别)的全部內容,希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。