Raspberry Piを使っての音声認識

Raspberry Piを使っての音声認識

Raspberry Piを使って音声認識をしている記事を見かけたので、どの程度　認識できるかを試してみた

試してみたのは
　①google音声認識APIによる音声認識　　こちらは、一旦録音したものをflacに変換してから実験。
　②AmiVoiceRerberyPi　　　インターフェース（CQ出版）の2013年12月号で紹介されている音声認識用のサーバーに接続するもの。
　③Juliusのディクテーションキット4.2.3
の３つ。　googleの認識結果には、よい印象を得た。

以下の「google音声認識APIによるRaspberryPIでの音声認識」をまねた実験結果：

pi@raspberrypi ~ $ ruby gvoicerecog.rb

（１）トライ１
[{"utterance":"このみちをまっすぐにいくと渋谷に行きますか","confidence":0.53508818},
{"utterance":"このみちをまっすぐにいくと渋谷に行きますか"},
{"utterance":"このみちをまっすぐ行くと渋谷に行きますか"},
{"utterance":"好み道をまっすぐにいくと渋谷に行きますか"},
{"utterance":"好み道をまっすぐにいくと渋谷に行きますか"},
{"utterance":"好み道をまっすぐ行くと渋谷に行きますか"}]}

（２）トライ２
[{"utterance":"こちらお願いします","confidence":0.68475747},
{"utterance":"こちらをお願いします"},
{"utterance":"こちらお願いします"},
{"utterance":"こちらはお願いします"},
{"utterance":"こちらおねがいします"},
{"utterance":"こちらわお願いします"}]}

（３）トライ３
[{"utterance":"この期間は arm コンピューターです","confidence":0.50521511},
{"utterance":"この期間は armコンピューターです"},
{"utterance":"この期間はアームコンピューターです"},
{"utterance":"この期間はアームコンピューターです"},
{"utterance":"この期間はアラームコンピューターです"}]}

応答に時間がかかるのが難点だが、結果はいい印象を得た。（１）と（２）は正解。（３）は「この基板は（PI基板のこと）はARMコンピューターです。」が正解だが、「この基板」という言い方が世間ではレアなので　おそらく言語モデルではじかれて（スコアーが小さく）　ありがちな「この期間」に置き換わってしまったのであろう。

次に、インターフェース（CQ出版）の2013年12月号で紹介されているAmiVoiceRerberyPi（サーバーを使うもの）でUSBマイクから発話して実験してみた。

pi@raspberrypi ~/AmiVoiceRPi/AmiVoiceRPi/samples/dictation $ make test

注意：Makefileの中のterminalIDと passwordを記事の中で書かれたもに書き換えないとサーバーとは通信できない。1回に3文章までしか認識しないようだ。

（１）トライ１
        この:0.92:2980:3380:この
        道:0.99:3380:3670:みち
        を:0.74:3670:3740:お
        まっすぐ:0.82:3740:4380:まっすぐ真っ直ぐ:0.07:3740:4290:まっすぐ
        行く:1.00:4380:4560:いく
        と:0.93:4560:4720:と
        渋谷:0.73:4720:5130:しぶやシビア:0.42:4720:5110:しびあ
        に:0.98:5130:5260:に
        行き:0.80:5260:5480:いきいき:0.31:5260:5470:いきいきま:0.00:5260:5610:いきまきま:0.00:5330:5610:きま行きます:0.00:5260:5720:いきます
        ますか:0.94:5480:6000:ますかます:0.08:5480:5720:ますきます:0.02:5330:5720:きますす:0.00:5620:5720:すすか:0.00:5620:6030:すか
        ？:0.55:6000:6040:_ ?:0.55:6000:6040:_ か:0.10:5730:6030:か。:0.02:5960:5990:_

（２）トライ２
        こちら:0.97:15460:16000:こちら
        を:1.00:16000:16060:お
        ください:0.92:16060:16620:ください下さい:0.14:16060:16690:くださいくださ:0.00:16060:16510:くださ
        。:0.70:16620:16660:_ い:0.00:16520:16690:いと:0.00:16580:16690:と

（３）トライ３
        この:0.98:13310:13600:この
        期間:0.77:13600:14010:きかん基盤:0.10:13600:14000:きばん基板:0.07:13600:14000:きばん機関:0.06:13600:14000:きかん北:0.04:13600:13940:きた牙:0.03:13600:13940:きばキバ:0.03:13600:13940:きば気団:0.02:13600:14000:きだん
        は:1.00:14010:14310:わ
        無:1.00:14310:14450:む
        コンピューター:0.94:14450:15270:こんぴゅーたーコンピュータ:0.06:14450:15260:こんぴゅーた
        です:0.99:15270:15540:ですで:0.02:15270:15410:で

結果は、まあまあの出来だ。googleの方が見栄えがよい。　

Juliusは、はじめ　誤動作しているのか？と勘違いしてしまった。上記の2つに比べてしまうと　少し見劣りした印象だ。

■参考になる資料

izumogeiger Ruby + google音声認識APIによるRaspberryPIでの音声認識ここで紹介されているgoogle音声認識APIのスクリプトを参考にした。
Devel_電子工作_RaspberryPi_日本語音声認識同じものなら動くと思い、ここで紹介されているPLANEX USBオーディオ変換アダプタ PL-US35APを購入してUSB MICを動かしてみた。　Windows　７でPL-US35APの事前接続実験をしてみた結果、サンプリング周波数44.1KHzだとピー？ノイズが入るが、48kHzならば発生なし。AGCをONにしないとゲイン不足のなるが、その分、S/Nが悪いという結果になった。　Juliusをインストールしてみたが、マイク入力が上手く動かない。OSSではなく、入力がALSAで動いて、周波数が44.1kHzで16000Hzにできないとのメッセージが出る。そこで、
Raspberry Pi で音声認識 - 猫ぱーんち！　この中で紹介されているpulseaudioを周波数変換に使い、更に、export ALSADEV=pulse　と設定することでマイク入力が出来るようになった。
Large Scale Language Modeling in Automatic Speech Recognition 巨大なn-gram (5?-gram)　言語モデルが単語認識率改善には効果的とのgoogleの関連の資料。

■ 警告
PI基板をつかって接続する場合は、電気的なことをよく理解した上でお使いください。そうしないと、PI基板と接続した相手などを破壊する危険があります。

■免責
(1)使用により、使用者に損失が生じたとしても、その責任を負いません。
(2)プログラムやデータにバグや欠陥があったとしても、修正や改良の義務を負いません。