Ro-ràdh
Bidh mi a 'caitheamh mòran ùine a' dèanamh rannsachadh airson artaigilean agus gu tric bidh mi a 'smaoineachadh air cuspair artaigil fhad' sa tha mi a 'coiseachd chun stèisean-trèana no cuin a bhios mi a' dol a-mach gu cunbhalach.
Aon oidhche fhad 'sa bha mi a' coiseachd nan 1.5 mìle chun an stèisein bhon obair agam, shaoil mi "nach biodh e math nam b 'urrainn dhomh na bha mi ag iarraidh a chlàradh a chlàradh agus an uairsin tha e air a sgrìobhadh gu fèin-obrachail gu faidhle teacsa a dh' fhaodadh mi a dheasachadh agus an cruth nas fhaide air adhart" S an Iar-
Chuir mi seachad mòran uairean a thìde fada a 'coimhead air na roghainnean eadar-dhealaichte a tha rim faotainn airson aithne guth agus deamocrasaidh, a' gabhail a-steach a bhith a 'clàradh gu dìreach tro mhicrofòn le bathar-bog deatamach ann an Linux, a' clàradh an fhaidhle gu cruth MP3 no WAV agus a thionndadh tron loidhne àithne, a bharrachd air a bhith a 'cleachdadh Chrome agus tagraidhean Android.
Tha an artaigil seo a 'sealltainn mo thoraidhean an dèidh làithean de dh' obair chruaidh.
Roghainnean Linux
Chan eil e a 'feuchainn ri bathar-bog aithneachadh agus aithne guth fhaighinn ann an Linux cho furasta' sa dh'fhaodadh a bhith ann agus chan eil na roghainnean a tha rim faighinn cho inntinneach.
Tha liosta de na roghainnean a dh 'fhaodadh a bhith aig an duilleag wikipedia seo, nam measg, CMU Sphinx, Julius agus Simon.
Tha mi a 'cleachdadh SparkyLinux a tha stèidhichte air Debian Testing aig an àm seo agus' s urrainn dhomh innse dhut gur e Sphinx an aon phaclan aithne guth a tha ri fhaighinn anns na stòran.
Is e PocketSphinx na prògraman dùthchasach Linux a chrìochnaich mi, agus chleachdadh mi faidhlichean WAV gu teacsa agus Freespeech-VR a tha a 'toirt cothrom dhut clàradh dìreach bho mhicreofon.
Dh'fheuch mi cuideachd le dà aplacaid Chrome, nam measg VoiceNote II agus Dictanote.
Mu dheireadh, dh 'fheuch mi ris na tagraidhean "Dictation and Email" agus "Talk And Talk Dictation" Apps Android.
Freespeech-VR
Chan eil Freespeech-VR ri fhaighinn anns na h-ionadan àbhaisteach. Luchdaich mi sìos na faidhlichean an seo.
An dèidh an luchdachadh a-nuas agus a bhith a 'toirt a-mach susbaint an fhaidhle zip dh'fhosgail mi ceann-uidhe agus ghluais mi dhan phasgan far an deach na faidhlichean a thoirt a-mach.
Chuir mi an òrdugh a leanas orm freespeech-vr fhosgladh.
sudo python freespeech-vr
Tha paidhir de fònaichean-làimhe agam le microfòn gu math iomchaidh agus teann Beurla soilleir gu deas.
Nochd an teacsa a leanas san uinneag freespeech-vr:
Fàilte gu coin nan aonadan de thoradh An-diugh Dèan cinnteach dè mar as urrainn dhut deuchainnean a ghleidheadh. Feumaidh tu deuchainn Nuair a chum teacs A 'cleachdadh dòigh an t-siostaim Òraid I an To one each ach a-mhàin A dh' fhiach a bhith a 'fuireach agus na h-aon de chearcan òir mar shiostam An Ea nuair a bhios an t-ainm agam an ath dhuilleag a 'fònadh an fhaidhle Seo an fhaidhle goirid gu fòn gu Hands- Space an sphinx A' dol Chan eil fònaichean air an co-roinn Innealan trèanaidh is innealan Cleachd labhairt Nuair a chrìochnaich thu Abair faidhle air a chleachdadh Last sgeulachd A Agus a 'cleachdadh le leis an àm Nuair a tha e fìor cho soirbheachail' sa bha an Linux seo mar a sheallas tu
Bu mhath leam dìreach a ràdh a-nis nach e làrach-lìn Unit Of Dogs a tha seo agus cha do chuir mi iomradh air rud sam bith co-cheangailte ri cearcan Golden. Bha mi a 'feuchainn ri cunntas a thoirt air a' phròiseas a bhith a 'cleachdadh bathar-bog aithneachadh guth.
Dh'fheuch mi am bathar-bog grunn thursan, a 'gabhail a-steach pitch agus luaths eadar-dhealaichte ach bha an cruinneas bochd.
PocketSphinx
Tha PocketSphinx comasach air faidhle WAV a ghabhail agus a thionndadh gu teacsa leis an loidhne àithne.
Tha PocketSphinx ri fhaighinn tro stòrasan Debian agus bu chòir a bhith ri fhaotainn airson a 'mhòr-chuid de sgaoileadh.
Is e am prìomh chùis a lorg mi le PocketSphinx gu bheil thu a 'feumachadh ceum beag ann am bun-bheachdan aithne guth, faidhlichean cànain, faclairean agus mar a thèid an siostam a thrèanadh.
An dèidh a bhith a 'stàladh PocketSphinx, bu chòir dhut a dhol gu làrach-lìn CMU Sphinx agus leugh an uiread de dh'fhiosrachadh as urrainn dhut. Feumaidh tu cuideachd am faidhle modail a leanas a luchdachadh sìos.
- Modail Cànain Coitcheann Beurla na SA
(Mura h-eil neach-labhairt dùthchasach Beurla agad, tagh am modal cànain a tha iomchaidh dhut).
Tha an sgrìobhainn airson PocketSphinx agus Sphinx san fharsaingeachd duilich a thuigsinn airson an neach laighe ach tha na faidhlichean faclair a dhèanadh mi air an cleachdadh gus liosta de dh'fhaclan a dh'fhaodadh a bhith ann agus tha liosta de mhodalan cànain air liosta de fhuaimneachadh a dh'fhaodadh a bhith ann.
Gus deuchainn a dhèanamh air PocketSphinx chleachd mi clàradh de mo ghuth fhìn, snippet bho Al Pacino ann an "The Devils Advocate" agus snippet bho "Morgan Freeman". B 'e seo a' phuing gu bhith a 'feuchainn ri guthan eadar-dhealaichte agus dhomhsa nach eil duine ann a dh' innseas sgeulachd mar a tha e soilleir mar Morgan Freeman agus nach eil duine a 'lìbhrigeadh loidhne mar Al Pacino.
Airson PocketSphinx a dh'obair feumaidh e faidhle WAV agus feumar a bhith ann an cruth sònraichte. Ma tha am faidhle ann an cruth MP3 cleachd an àithne ffmpeg airson a thionndadh gu cruth WAV:
ffmpeg -i inputfilename.mp3 -acodec pcm_s16le -ar 16000 outputfilename.wav
Gus ruith PocketSphinx cleachd an òrdugh a leanas:
pocketsphinx_continuous -dict /usr/share/pocketsphinx/model/lm/en_US/cmu07a.dic -infile voice2.wav -lm cmusphinx-5.0-en-us.lm 2> voice2.log
Bidh pocketsphinx_continuous a 'toirt faidhle WAV agus ga thionndadh gu teacsa.
Anns an òrdugh gu h-àrd, thèid iarraidh air pocketsphinx faidhle faclair ris an canar "/usr/share/pocketsphinx/model/lm/en_US/cmu07a.dic" leis a 'mhodal cànain "cmusphinx-5.0-en-us.lm" a chleachdadh. Is e voice2.wav an t-ainm a th 'air an fhaidhle a th' air a thionndadh gu teacs (is e clàradh a rinn mi le mo ghuth). Mu dheireadh tha an 2> a 'cur a h-uile toradh co-cheangailte ris nach fheum thu a-steach gu faidhle ris an canar voice2.log. Tha fìor thoraidhean an deuchainn air an taisbeanadh taobh a-staigh uinneag a 'phionaid.
Tha na toraidhean a 'cleachdadh mo ghuth mar a leanas:
fàilte air an ath mu dheidhinn gu math, chan eil cuspair an t-seachdain seo mu dheidhinn dè am bathar-bog aithne a th 'ann ann am mionaid
Chan eil na toraidhean cho uamhasach ri freespeech-vr ach chan eil iad fhathast air an cleachdadh. Dh'fheuch mi a-rithist a 'cleachdadh PocketSphinx le Al Pacino ach cha do thill seo idir idir.
Mu dheireadh, dh'fheuch mi a 'cleachdadh guth Morgan Freeman bhon fhilm "Bruce Almighty" agus an seo tha na toraidhean:
000000000: bidh sinn oirre
000000001: tha iad cho cruaidh an-diugh air an latha a tha a-nis, seadh seo an fheadhainn as motha a tha sinn air a bhith beò, tha mi nam pàirt leis an teas
000000002: anns an àrd-ùrlar cò am prìomh rud a-mach à beagan ball-coise aig an àm no ma tha fios aige dè a nì thu ann am beatha
000000003: dè na rudan a gheibh air ais
000000004: cha do sgrìobh iad e
000000005: tha iad air mo shon a-mach
000000006: feumaidh tu a bhith nan riaghailtean
000000007: tha mi air a bhith an dùil dhut
000000008: agus dh'ionnsaich e an seo gur e dealbh a bh 'ann am pàrtaidh marbhtach na Nollaige
000000009: tha e coltach gur e aon de na dòighean a th 'ann a bhith a' sgrìobhadh o. Bha asal a 'smaoineachadh nach robh mòran a' caitheamh aon uair
000000010: mar a tha an duilgheadas aonaichte, cha toir e math dha tha mi gam meas aig an àm sin nuair nach do rinn sinn a h-uile duine a tha thu a 'smaoineachadh gu bheil mise anns an t-saoghal bidh dachaighean agam agus chunnaic mi sin
000000011: athair a tha ga fhaighinn
000000012: dè tha mòran mu dheidhinn seo
000000013: a bheil sin air a thoirt seachad
000000014: a h-uile rud a tha thu a 'tuiteam airson mòran
000000015: dìreach anns an tuiteam
000000016: glè mhath air dìreach dhomhsa
000000017: tha e mì-shàsaichte ma smaoinicheas mi cuideachd gu bheil iad a 'dol a dh' fhaodadh gum bi sin a dh 'fhaodadh sin a phòsadh, cha dèan sinn an rud a tha coltach ris an dòigh
Is e glè bheag de bheachd a bhios an deuchainn agam saidheansail agus faodaidh luchd-leasachaidh PocketSphinx a ràdh nach eil mi a 'cleachdadh a' bhathar-bhog gu ceart. Tha cuideachd dòigh-obrach air a bheil trèanadh guth a dh'fhaodar a chleachdadh gus faclairean agus faidhlichean cànain nas fheàrr a chruthachadh.
Is e mo bheachd mìorbhaileach a-mhàin gu bheil e ro dhoirbh airson cleachdadh àbhaisteach làitheil.
VoiceNote II
Is e App Chrome a tha ann an VoiceNote II a chleachdas API aithneachadh Ghoogle.
Ma tha thu a 'cleachdadh Chrome no Chrome browsers, faodaidh tu VoiceNote II a stàladh tron Bhùth-lìn .
Tha na h-ìomhaighean air VoiceNote II air an cur an cèill ann an dòigh neònach oir feumaidh tu an cànan a stèidheachadh aig bonn na h-uinneig agus tha am putan deasachaidh aig a 'bhonn cuideachd, ge-tà, tha am putan clàraidh anns an t-suidheachadh as àirde gu h-àrd.
Is e a 'chiad rud a dh'fheumas tu a dhèanamh a thaghadh cànan agus faodar seo a choileanadh le bhith a' briogadh air ìomhaigh an t-saoghail.
Gus clàradh a thòiseachadh, cliog air ìomhaigh nam micreofon agus tòiseachadh a 'bruidhinn air do mhicreofon. Airson na toraidhean as fheàrr bha mi a 'bruidhinn gu slaodach na iuchair gus am biodh cothrom aig a' bhathar-bog cumail suas.
Cha robh na toraidhean math mar a chithear gu h-ìosal:
Hello agus fàilte a chuir thu ceangal. Tha artaigilean About.com an-diugh mu dheidhinn tionndadh gu teachdaireachd teacsa dunelm farrell crìonadh 2008 mar atharrachadh agus thuirt e gu math ris an dòigh as fheàrr a lorg mi teacsa-teacsa gu bhith a 'sealltainn pasgan 2014debian no rpm fosgail e guth gu teacsa gu teacsa fhosgladh ma tha thu airson taghadh roghnaich sinn ann an edinburgh french german gheibh thu an ùine ann am micreofon aonaichte aig muir a chuir thu crìoch air an teacsa agad a sgrìobhadh mar fhaidhle teacsa gus an toir thu a-mach gu math tha an t-stràc Beurla seo fìor mhath bho cheann a deas an t-saoghail as fheàrr dha, ach tha mi a 'dol dhan teacsa tearc seo leis an sgrìobhainn fhèin agus chì thu airson na mearachdan a tha thu a 'dèanamh airson èisteachd
Dictanote
Tha Dictanote na App Chrome eile a dh'fhaodar a chleachdadh airson adhbharan taghaidh agus tha e nas inntinniche ach cha robh na toraidhean nas fheàrr na VoiceNote II.
Cha do chleachd mi an dreach demo a-mhàin de Dictanote a tha gad chuideachadh bho bhith a 'cruthachadh sgrìobhainnean ùra ach leigidh e leat bruidhinn air teacsa a tha mar-thà anns an deasaiche. Bha mi comasach air an aithne guth a dhearbhadh ach cha robh na toraidhean nas fheàrr na VoiceNote II agus mar sin cha do chuir mi a-steach airson an dreach pro.
Dictation And Mail
Is e tagradh Android a th 'ann an "Dictation And Mail" a chleachdas API airson aithne guth dùthchasach Google.
Bha na toraidhean bho "Dictation and Mail" fada nas fheàrr na bha gin den phrògram eile a 'feuchainn ris a' phuing seo.
fàilte air Linux mu dheidhinn., an-diugh tha sinn a 'bruidhinn mu bhith ag atharrachadh fuaim gu teacsa
Is e an cleas le "Dictation and Mail" a bhith a 'bruidhinn gu slaodach agus a' fuaimneachadh cho math 's as urrainn dhut le stràc eadhon.
Às deidh dhut deiseil bruidhinn faodaidh tu na toraidhean a phostadh thu fhèin.
Sgaoileadh
Is e an tagradh Android eile a dh'fheuch mi "Talk And Talk Dictation".
B 'e an eadar-aghaidh airson an aplacaid seo a' chuid ab 'fheàrr den sgioba agus dh'obraich an aithneachadh guth gu fìor mhath gu dearbh. An dèidh a bhith a 'clàradh an òrdugh, b' urrainn dhomh na toraidhean a cho-roinn ann an diofar dhòighean, a 'gabhail a-steach post-dealain.
fàilte air linux about.com an-diugh tha sinn a 'bruidhinn mu bhith ag atharrachadh cainnt gu teacsa
Mar a chì thu an teacsa gu h-àrd tha e cho soilleir 's as urrainn dhut a bhith a' sùileachadh a bhith agad. Is e bruidhinn gu mall an iuchair.
Geàrr-chunntas
Tha dòigh air choreigin aig Linux dùthchasach a thaobh a bhith a 'toirt aithne do Ghuthan agus a bhith ag ràdh gu sònraichte. Tha cuid de thagraidhean a bhios a 'cleachdadh API Ghoogle ach chan eil iad fhathast air an liostadh ann an stòrasan.
Tha tagraidhean ChromeOS beagan nas fheàrr ach chaidh na toraidhean as fheàrr a choileanadh le bhith a 'cleachdadh fòn Android. Is dòcha gu bheil microfòn nas fheàrr aig a 'fòn agus mar sin tha am bathar-bog aithneachadh guth na chothrom nas fheàrr air tionndadh.
Airson aithne guth a bhith air a chleachdadh gu fìor fheumail e a bhith nas inntinniche leis nach eil feum air a dhèanamh nas lugha. Cha bu chòir dhut a bhith feumach air teachdaireachd le modalan cànain agus faclairean gus am bi e furasta a dhèanamh.
Ach tha mi a 'cur luach mòr gu bheil an t-eòlas gu lèir air aithneachadh guth dùbhlanach oir tha guth eadar-dhealaichte aig a h-uile duine agus tha uiread de dhualchainntean bho roinn gu sgìre ann an aon dhùthaich a' toirt dragh mu na ceudan de chànanan a tha air an cleachdadh air feadh an t-saoghail.
Is e an anailis agam, mar sin, gu bheil bathar-bog aithneachadh guth fhathast ag obair air adhart.