تبدیل گفتار به نوشتار آفلاین

سلام 

نمیدونم چرا نظر منو پاک کردید!!

مجدد آن را می نویسم :)

من موفق شدم که برنامه شما را اجرا کنم و دستوراتی را بدم و در نهایت به آنها پاسخ را به فینگلیشی بنویسم و جواب صوتی بدهد (یا صدای از پیش ذخیره شده فارسی را اجرا کند) یا دستوری را اجرا کنم

دنبال روشی هستم که بتوانم آفلاین این کار را انجام بدهم،

حتی اگه نیاز باشه سوالم را به صورت صوت ذخیره کنم تا در صورت شنیدن آن را اجرا کند

مثل 

https://github.com/alphacep/vosk-api

https://www.reddit.com/r/farsi/comments/j4efid/farsi_open_source_speech_recognition_works_offline/

باید pip بروز میشد که شد

بعد vosk نصب شد

ولی بعد باید پک فارسی را میگرفتم

https://alphacephei.com/vosk/models

دیگه نمیدونم چکار کنم

یک گیگ پک فارسی بود، دیدم سیستممو خیلی درگیر میکنه

من 60 مگی را انتخاب کردم، البته دیکشنری کمتری داره

ولی اینجا از روی میکروفون نمیخونه

باید صدای میکروفون ذخیره بشه

بعد از صدای ضبط شده بخونه

نمیدونم استاد راه رو درست رفتم؛

from vosk import Model, KaldiRecognizer, SetLogLevel

import wave

import json

import os

import codecs

ff = codecs.open("demofile.txt", "a", "utf-8")

wf = wave.open("test.wav", "rb")

model = Model("..")

rec = KaldiRecognizer(model, wf.getframerate())

while True:

    data = wf.readframes(100)

    if len(data) == 0:

        break

    if rec.AcceptWaveform(data):

        rec.Result()

tt=rec.FinalResult()

tt_json =  json.loads(tt)

ff.write(tt_json['text'])

()ff.close

این کد رو خودم نوشتم

ولی متاسفانه بلد نیستم که چجوری از روی میکروفون بخونه

این میاد فایل صحبت منو ترجمه میکنه

خیلی هم به سیستم احساس میکنم فشار میاد

میخوام مثل همون کد شما باشه که منتظر میکروفون بمونه و بعد وقتی چیزی گفتم بگیره و پردازش کنه

من از شما جلسه کیوی هم خریدم، اما هنوز ندیدمش، انشالله بتونم با کمک اون متن های فارسی که ترمینال ویندوز نشون نمیده و همچنین محیط گرافیکی زیبا این دستیارو به شکل گرافیکی طراحی و کم کم به دیتابیسی متصل کنم

اگر امکانش بود یک جلسه آموزشی هم از Vosk اضافه می فرمودید خیـــــلـــــی عالی و کامل می شد

البته خیلی از نظر قدرت داغونه

نمیدونم چجوری میشه بهترش کرد

یکی از اساتید پایتون به وسیله Tensor  با الگوریتم KWS  یک سیستم خیلی خوبی طراحی کرده

https://icc-aria.ir/projects/تشخیص-صوت-و-تبدیل-به-متن-فارسی-آفلاین-speech-recognition-persian-offline

اگه آموزش به این سمت میرفت که دمتون گرم

من از هوش مصنوعی چیزی نمیدونم

***********************

اینو امروز بهش رسیدم، با توجه به راهنمایی استاد مذکور که فرمودند از tensor استفاده کرده اند (icc-aria) :

https://www.analyticsvidhya.com/blog/2019/07/learn-build-first-speech-to-text-model-python

https://www.kaggle.com/c/tensorflow-speech-recognition-challenge

مهمترین کار دستیار شخصی اینه که بتونه بدون اینترنت، فرمان ما را انجام دهد

برای سیستم هوشمند قابل حمل با استفاده از رزبری پای این امر خیلی مهمه

خواهشمندم اینجانب را راهنمایی بفرمایید

مهم نیست که همه کلمات هم بتواند پاسخ دهد

اما کلماتی که من بهش میدم را بدون مشکل پاسخ دهی کند

گوگل واقعا عالی عمل میکنه

کاش اپن سورس میکرد

البته مثل اینکه این کار را کرده و آفلاین این کار را انجام میده، اما قطعا اپن سورس نیست