Réamhrá
Caitheann mé go leor ama ag déanamh taighde ar earraí agus is minic a smaoiním ar an ábhar le haghaidh earra agus tú ag siúl go dtí an stáisiún traenach nó nuair a bhíonn mé amach go ginearálta.
Aon tráthnóna amháin agus mé ag siúl na míle 1.5 go dtí an stáisiún ó mo chuid oibre, shíl mé "ní bheadh sé go maith dá bhféadfadh mé a thaifeadadh agus a aistriú go huathoibríoch le comhad téacs a d'fhéadfadh mé a chur in eagar agus a fhormáid níos déanaí" .
Chaith mé go leor uaireanta fada ag breathnú ar na roghanna éagsúla atá ar fáil le haghaidh aitheantais guth agus deachtú, lena n-áirítear taifeadadh go díreach trí mhicreafón ag baint úsáide as bogearraí deachtaithe i Linux, ag taifeadadh an chomhaid go formáid MP3 nó WAV agus é a thiontú tríd an líne ordaithe, chomh maith le Chrome a úsáid agus iarratais Android.
Cuireann an t-alt seo béim ar mo thorthaí tar éis laethanta saothair chrua.
Roghanna Linux
Ní dhéantar iarracht a dhéanamh deachtú agus bogearraí aitheantais guth a fháil i Linux chomh furasta agus d'fhéadfadh sé a bheith ann agus nach bhfuil na roghanna atá ar fáil go cliste.
Tá liosta de na roghanna féideartha sa leathanach wikipedia seo, lena n-áirítear CMU Sphinx, Julius and Simon.
Táim ag baint úsáide as SparkyLinux atá bunaithe ar Thástáil Debian faoi láthair agus is féidir liom a rá leat gurb é Sphinx an t-aon phacáiste aitheantais guth atá ar fáil sna stórtha.
Ba é PocketSphinx na cláir dhúchasacha Linux a chríochnaigh mé, a d'úsáid mé comhaid WAV a thiontú go téacs agus Freespeech-VR a bhfuil iarratas python ann a ligeann duit go díreach a thaifeadadh ó mhicreafón.
Rinne mé cúpla apps Chrome iarracht freisin lena n-áirítear VoiceNote II agus Dictanote.
Mar fhocal scoir rinne mé iarracht ar na Apps "Dictation and Email" agus "Talk And Talk Dictation".
Freespeech-VR
Níl Freespeech-VR ar fáil sna stórtha caighdeánach. Íoslódáil mé na comhaid ó anseo.
Tar éis í a íoslódáil agus a bhaint as an comhad zip, d'oscail mé teirminéal agus seoladh mé chuig an bhfillteán ina raibh na comhaid á mbaint amach.
Clóscríobh mé an t-ordú seo a leanas freespeech-vr a oscailt.
sudo python freespeech-vr
Tá péire cluasáin agam le micreafón measartha réasúnta agus accent sách soiléire Béarla.
Léirigh an téacs seo a leanas sa fhuinneog freespeech-vr:
Fáilte go dtí madraí aonad an toraidh Sa lá atá inniu An bhfuil tú ag cinntiú Conas tástálacha a bhainistiú Caithfidh tástáil a dhéanamh orthu Nuair a théacsar Úsáidtear an córas ar an gcóras Urlabhra a bhí i ngach ceann acu Go raibh sé ag súil go n-éireodh leo go hiontach mar chóras órga An Ea nuair a ghlaoitear mo ainm an chéad cheann eile an fhócaire Seo an comhad Go gairid go leor cásanna fón go Lámhscríbhinní Spás an sphinx Ag dul Ní fóin a ritheadh Roinntear oiliúint agus uirlisí Úsáid labhairt Nuair a chríochnaigh tú Abair Comhad a úsáidtear Last scéal A Agus ag baint úsáide as an Nuair a bhíonn sé an-chomh cé chomh rathúil a bhí an Linux seo agus An bhfuil tú a sheachaint
Ba mhaith liom a rá anois nach é seo an láithreán gréasáin Unit Of Dogs agus níor thug mé aon ní a lua le heiceacha Golden. Bhí mé i ndáiríre ag iarraidh cur síos a dhéanamh ar an bpróiseas a bhaineann le bogearraí aitheantais guth a úsáid.
Rinne mé iarracht na bogearraí cúpla uair lena n-áirítear páirc agus luas éagsúil ach bhí an cruinneas bocht.
PocketSphinx
Is féidir le PocketSphinx comhad WAV a thógáil agus é a thiontú go téacs ag baint úsáide as an líne ordaithe.
Tá PocketSphinx ar fáil trí stórtha Debian agus ba chóir go mbeadh sé ar fáil don chuid is mó dáileadh.
Is é an phríomhcheist a fuair mé le PocketSphinx ná go gcaithfidh tú céim beagnach i gcoincheapa aitheantais guth, comhaid teanga, foclóirí agus conas an córas a oiliúint.
Tar éis PocketSphinx a shuiteáil, ba chóir duit dul chuig láithreán gréasáin CMU Sphinx agus léigh an oiread eolais agus is féidir. Ní mór duit an comhad samhail seo a leanas a íoslódáil freisin.
- Samhail Teanga Cineálach na SAM
(Mura bhfuil cainteoir dúchais Béarla agat, roghnaigh an múnla teanga atá oiriúnach duit).
Is deacair an doiciméadú do PocketSphinx agus Sphinx i gcoitinne a thuiscint don duine atá ag leagan amach ach is féidir úsáid a bhaint as na comhaid a d'fhéadfainn a bhaint as foclóirí foclóir chun liosta de na focail fhéideartha a sholáthar agus tá liosta de fhuaimniú féideartha ag samhlacha teanga.
Chun PocketSphinx a thástáil, úsáid mé taifeadadh de mo ghuth féin, sciathán ó Al Pacino in "The Devils Advocate" agus sciathán ó "Morgan Freeman". Ba é an pointe seo ná guthanna éagsúla a dhéanamh agus níl aon duine ar féidir leo scéal a insint chomh soiléir le Morgan Freeman agus ní thugann aon duine líne cosúil le Al Pacino.
Chun PocketSphinx a bheith ag obair, caithfidh sé comhad WAV agus ní mór dó a bheith i bhformáid áirithe. Má tá an comhad i bhformáid MP3 bain úsáid as an ordú ffmpeg chun é a thiontú i bhformáid WAV:
ffmpeg -i inputfilename.mp3 -acodec pcm_s16le -ar 16000 outputfilename.wav
Bain úsáid as PocketSphinx leis an gceann seo 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
Tógann pocketsphinx_continuous comhad WAV agus é a thiontú go téacs.
Sa ordú thuas, cuirtear in iúl le pocketsphinx comhad foclóir a dtugtar "/usr/share/pocketsphinx/model/lm/en_US/cmu07a.dic" leis an múnla teanga "cmusphinx-5.0-en-us.lm". Glaoitear guth2.wav an comhad atá á thiontú go téacs (is é sin taifeadadh a rinne mé le mo ghuth). Mar fhocal scoir, cuirfidh an 2> an t-aschur go léir in iúl nach gá duit i gcomhad a dtugtar voice2.log. Taispeántar torthaí iarbhír na tástála laistigh den fhuinneog críochfoirt.
Seo a leanas na torthaí a úsáideann mo ghuth:
fáilte roimh an chéad cheann eile mar gheall ar a n-ábhar a bhaineann le bogearraí aitheanta i nóiméid
Níl na torthaí chomh uafásach ná le freespeech-vr ach níl siad inúsáidte fós. Rinne mé iarracht PocketSphinx a úsáid le Al Pacino ach níor thug sé torthaí ar bith ar ais.
Ar deireadh, rinne mé iarracht guth Morgan Freeman a úsáid ón scannán "Bruce Almighty" agus tá na torthaí anseo:
000000000: beidh muid uirthi
000000001: go léir an diana sin an lá go díreach anois is é seo an chuid is mó a bhí againn beo tá mé ag cuid leis an te
000000002: san ardaitheoir a bhfuil an t-eochair aige as beagán de baseball a chlog nó a fhios cad atá le déanamh i saol
000000003: cad iad na cinn a ghnóthú
000000004: níor scríobh siad é
000000005: tá siad ceart orm
000000006: caithfidh tú a bheith ina rialacha
000000007: bhí mé ag súil leat
000000008: agus d'fhoghlaim sé anseo gur léirigh gurb é an páirtí na Nollag marbh
000000009: bíonn sé ar cheann den bhealach a scríobh o. asal shíl mé rud éigin a chaitheamh i gcónaí
000000010: cosúil leis an bhfadhb atá aontaithe ní thabharfaidh sé dó go maith go bhfuil mé measta orthu ag an nóiméad sin nuair nach raibh muid go léir a cheapann tú go bhfuil mé ar fud an domhain tithe agus tá mé le feiceáil
000000011: athair a bhfuil sé
000000012: cad a lán faoi seo
000000013: an dtugann sé sin
000000014: gach rud atá tú siúd nach dtagann go leor
000000015: ceart sa titim
000000016: dea-ghabháil ar díreach domsa
000000017: tá sé míshásta má mheasaim freisin go bhfuil siad ag dul go bhfuil an rud a phósfadh an duine sin go léir ar an gcaoi go raibh aon ní a dhéanaimid buíochas leis an gcaoi a dhóigh an bealach
Is féidir an tástáil a dhéanamh ar éigean ar an tástáil eolaíoch agus d'fhéadfadh forbróirí PocketSphinx a rá nach bhfuil na bogearraí á úsáid agam i gceart. Tá teicníc ann freisin ar a dtugtar oiliúint guth ar féidir a úsáid chun foclóirí agus comhaid teanga níos fearr a chruthú.
Is é an tuairim a thugann orm ná go bhfuil sé ró-deacair d'úsáid chaighdeánach laethúil.
GuthNóta II
Is Chrome Chrome a úsáideann an API aitheantas Google Voice.
Má tá tú ag baint úsáide as na brabhsálaithe Chrome nó Cróimiam is féidir leat VoiceNote II a shuiteáil tríd an Stóras Gréasáin .
Leagtar amach na deilbhíní ar VoiceNote II ar bhealach aisteach mar is gá duit an teanga a chur ar bun ag bun an fhuinneog agus tá an cnaipe in eagar ag bun an leathanaigh, áfach, tá an cnaipe taifead sa suíomh ceart is fearr.
Is é an chéad rud is gá duit teanga a roghnú agus is féidir é seo a bhaint amach trí chliceáil ar an deilbhín domhanda.
Chun tús a chur le taifeadadh, cliceáil ar an íomhá micreafón agus tosú ag labhairt isteach i do mhicreafón. I gcás na dtorthaí is fearr, fuair mé go raibh labhairt go mall ríthábhachtach ionas go mbeadh deis ag na bogearraí a choinneáil suas.
Ní raibh na torthaí iontach mar is féidir a fheiceáil thíos:
Dia duit agus fáilte romhat chun ceangal a dhéanamh. Maidir le hairteagail an lae inniu maidir le hathshlánú téacs dunelm farrell a chomhshó téacs 2008 mar athchóirithe agus thug sé tacaíocht mhaith leis an mbealach is fearr a fuair mé an breiseán téacs guth chun pacáiste 2014debian nó rpm a thaispeáint, d'oscail an cineál guth é chun an téacs a oscailt má tá tú ag iarraidh a roghnú roghnaigh vs in Edinburgh french german tú an t-am i kingdomstart aontaithe ag micreafón farraige chríochnaigh tú do théacs a scríobh mar chomhad téacs go maith go bhfuil an accent Béarla an-chaighdeánach ó dheas as an áit is fearr duit ach tá mé ag dul go dtí an téacséags seo. leis an doiciméad iarbhír agus is féidir leat a fheiceáil maidir leis na botúin a bhfuil tú ag tabhairt faoi deara
Dictanote
Is é App Chrome eile a fhéadfar a úsáid chun críocha deachtú agus tháinig sé ar aghaidh mar níos iomasach ach ní raibh na torthaí níos fearr ná VoiceNote II.
Níor úsáid mé ach an leagan taispeántais de Dictanote a chuireann cosc ort cáipéisí nua a chruthú ach ligeann sé duit téacs atá cheana féin san eagarthóir a labhairt. Bhí mé in ann an t-aitheantas guth a thástáil ach ní raibh na torthaí níos fearr ná VoiceNote II agus mar sin níor shínigh mé don leagan pro.
Dictation Agus Mail
Is Iarratas Android é "Dictation And Mail" a úsáideann API aitheantais guth dúchais Google.
Bhí na torthaí ó "Dictation and Mail" i bhfad níos fearr ná mar a d'iarr aon cheann den chlár eile suas go dtí an bpointe seo.
fáilte roimh Linux faoi., lá atá inniu ann ag caint faoi fhuaim a athrú go téacs
Is é an cleas le "Dictation and Mail" ná labhairt go mall agus a fhuaimniú chomh maith agus is féidir leat le fiúntacht fiú.
Tar éis duit caint a bheith críochnaithe, is féidir leat na torthaí a sheoladh chuig tú féin.
Plé agus Díospóireacht
Ba é an Iarratas Android eile a rinne mé ná "Talk And Talk Dictation".
Ba é an comhéadan don app seo an chuid is fearr den fhoireann agus d'oibrigh an t-aitheantas guth go deimhin go deimhin. Tar éis an deachtú a thaifeadadh, bhí mé in ann na torthaí a roinnt ar bhealaí éagsúla lena n-áirítear trí r-phost.
fáilte roimh linux about.com lá atá inniu ann táimid ag caint faoi óráid a thiontú go téacs
De réir mar is féidir leat a fheiceáil go bhfuil an téacs thuas chomh soiléir agus is féidir leat a bheith ag súil leis. Is é an eochair a bhíonn ag labhairt go mall.
Achoimre
Tá bealach éigin le Linux Dúchasach dul i ngleic le haitheantas Guth agus deachtú go sonrach. Tá roinnt iarratais a úsáideann an API Google Voice ach níl siad liostaithe go fóill i stórtha.
Tá beagán níos fearr le feidhmchláir ChromeOS ach bainte amach na torthaí is fearr le mo ghuthán Android. B'fhéidir go bhfuil micreafón níos fearr ag an bhfón agus dá bhrí sin tá seans níos fearr le hathchóiriú ar na bogearraí aitheantais guth.
D'fhonn aitheantas guth a bheith inúsáidte i ndáiríre ní mór dó a bheith níos iomasach agus ní gá ach níos lú socraithe a dhéanamh. Níor cheart duit a bheith ag teastáil uait le samhlacha teanga agus foclóirí chun é a dhéanamh cliste.
Tuigim, áfach, go bhfuil an-aitheantas dúshlánach ag an aitheantas ealaíne ar fad mar go bhfuil guth difriúil ag gach duine agus go bhfuil an oiread sin de chanúintí ó réigiún go réigiún i dtír amháin gan imní faoi na céadta teangacha a úsáidtear ar fud an domhain.
Is é mo anailís, dá bhrí sin, go bhfuil na bogearraí aitheantais guth fós ag obair ar siúl.