syoma 1 11 января, 2016 Опубликовано 11 января, 2016 · Жалоба Привет, Не нашел подходящего раздела, поэтому попробую здесь. Задача собственно банальная - допустим человек находится в комнате и говорит вслух. Нужно выделять команды из речи, например по кодовому слову, распознавать их и выдавать, допустим в виде печатного текста или URL запроса. Язык - русский. Люди могут быть разные. Команды будут запрограммированы заранее. Вопрос - это на сегодняшний момент возможно на стандартном оборудовании/сервисах с минимальным программированием? Как это организовывается? Подскажите, кто уже реализовывал. Собственно интересует более конкретно: - Какова общая концепция - что ставится, как распознается голос, сервер, локально, через интернет? - Если через интернет - какие сервисы обычно используются для распознавания - Google, Siri другие? Если локально, какие программы, платные, бесплатные, на какой платформе? - Что с оборудованием - ставятся микрофоны в комнате, или делается через телефоны/планшеты? Как далеко можно стоять от микровонов? Нужно конкретно куда-то громко говорить или можно сделать так, что команда будет услышана, в каком бы месте комнаты она не была произнесена? Даже тихо? Как синхронизируются микрофоны? - Возможно ли организовать работу системы так, чтобы распознавание начиналось после того, как услышано кодовое слово - то есть без необходимости нажимать на специальные кнопки? - Обучение - с командами понятно. Но нужно ли обучать на тембр, произношение и голос конкретного человека? Если да, насколько сложно. - Насколько вообще надежно распознавание и какая может получиться общая задержка? Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
adnega 10 11 января, 2016 Опубликовано 11 января, 2016 · Жалоба Была такая статейка. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 2 11 января, 2016 Опубликовано 11 января, 2016 · Жалоба - Насколько вообще надежно распознавание и какая может получиться общая задержка? Тренируйтесь - https://www.google.com/intl/en/chrome/demos/speech.html Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
uriy 4 11 января, 2016 Опубликовано 11 января, 2016 · Жалоба вот для локального распознавания http://cmusphinx.sourceforge.net/ но я не пробовал Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
syoma 1 19 января, 2016 Опубликовано 19 января, 2016 · Жалоба Поискал в инете, вроде как неплохое решение получается с "Окей, Гугл". На планшете включается эта опция, затем ставятся Tasker + Autovoice. И в таскере настраиваются команды, например запуск запросов к серверу через REST API. Можно вместо REST API MQTT PUBLISHER плугин подключить. Должно получаться примерно так: https://youtu.be/P3QkGh8L2Mg Русский язык проверил - распознавание работает хорошо. Единственное, что команду "ОК, Гугл" планшет запоминает, чтобы быстро переходить к распознаванию и это может не очень хорошо работать, если команду будут давать разные люди. Но есть пара приложений, которые настраиваются на любое слово - надо будет попробовать. По поводу дальности микрофона - надо поэкспериментировать с bluetooth гарнитурами - вроде есть микрофоны для телеконференций, которые очень хорошо фильтруют все шумы и усиливают голос. А так мой единственный пока андроидный планшет распознает с 2-х метров, но надо громко говорить. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться