注釈

こんにちは、SunFounder Raspberry Pi & Arduino & ESP32 Enthusiast Community on Facebookへようこそ！他の愛好家と一緒に、Raspberry Pi、Arduino、ESP32の世界により深く入り込みましょう。

参加する理由

  • 専門家サポート: 購入後の問題や技術的な課題を、コミュニティと私たちのチームの助けを借りて解決します。

  • 学習と共有: ヒントやチュートリアルを交換して、スキルを向上させましょう。

  • 限定プレビュー: 新製品の発表や先行プレビューに早期アクセスできます。

  • 特別割引: 最新製品を特別割引でお楽しみいただけます。

  • 季節限定キャンペーンとプレゼント: プレゼント企画やホリデーキャンペーンに参加しましょう。

👉 一緒に発見し、創造する準備はできましたか？ [こちら] をクリックして、今すぐ参加しましょう！

3.4 Fusion HAT マイクロフォン

はじめに

Fusion HAT+ にはマイクが内蔵されており、音声認識、音検出、AI/IoT プロジェクトでの音声ログ記録などのオーディオ入力アプリケーションに最適です。

このガイドでは、マイクがシステムに正しく認識されているかを確認する方法と、基本的な録音テストを行う方法を説明します。

../_images/fusionhat_mic.png

必要なもの

このチュートリアルで必要なコンポーネントは以下のとおりです。

Component

Purchase Link

Fusion HAT+

-

Raspberry Pi (または互換モデル)

-

プログラムの実行

cd ~/ai-lab-kit/llm
sudo python3 stt_vosk_stream.py

新しい言語でこのコードを初めて実行すると、Vosk は次の処理を行います：

  • 言語モデルを自動的にダウンロード します（デフォルトでは small 版）。

  • 対応言語の一覧を表示 します。

  • マイクからの音声入力を 聞き取り開始 します。

ターミナルには次のような表示が出ます：

vosk-model-small-en-us-0.15.zip: 100%|███████████████████| 39.3M/39.3M [00:05<00:00, 7.85MB/s]
['ar', 'ar-tn', 'ca', 'cn', 'cs', 'de', 'en-gb', 'en-in', 'en-us', 'eo', 'es', 'fa', 'fr', 'gu', 'hi', 'it', 'ja', 'ko', 'kz', 'nl', 'pl', 'pt', 'ru', 'sv', 'te', 'tg', 'tr', 'ua', 'uz', 'vn']
Say something

これは次の意味です：

  • モデルファイル（ vosk-model-small-en-us-0.15 ）のダウンロードが完了した

  • 対応言語の一覧が表示された

  • システムが音声の聞き取りを開始した — Fusion HAT+ のマイクに向かって話すと、認識されたテキストがターミナルに表示されます

ヒント：

  • 認識精度を上げるには、マイクを 15〜30 cm ほど離して使ってください。

  • 言語やアクセントに合ったモデル を選んでください。

  • 静かな環境で使うと認識しやすくなります。

コード

from fusion_hat.stt import Vosk as STT

stt = STT(language="en-us")

while True:
   print("Say something")
   for result in stt.listen(stream=True):
      if result["done"]:
            print(f"final:   {result['final']}")
      else:
            print(f"partial: {result['partial']}", end="\r", flush=True)

コードの説明：

  • stt.listen(stream=True) — ストリーミング音声認識を開始し、話している途中の結果も順次返します。

  • result["partial"] — リアルタイムの認識結果 を表示します（継続的に更新されます）。

  • result["final"] — 話し終えたときに、 最終的な認識結果 を表示します。

  • このループは継続的に動作するため、 ハンズフリーでのリアルタイム文字起こし が可能です。

ヒント：このストリーミングモードは、 音声アシスタント 、 音声コマンド制御 、 リアルタイム文字起こし に最適です。

トラブルシューティング

  • No such file or directory（`arecord` 実行時）

    カード番号またはデバイス番号が間違っている可能性があります。 次のコマンドを実行してください：

    arecord -l

    表示された USB マイクの番号に合わせて、 1,0 の部分を置き換えてください。

  • Vosk が音声を認識しない

    • 言語コード がモデルと一致していることを確認してください（例：英語なら en-us、中国語なら zh-cn）。

    • マイクは 15〜30 cm ほど離し、周囲の雑音をできるだけ避けてください。

    • はっきり、ゆっくり話してください。

  • 遅延が大きい / 認識が遅い

    • デフォルトで自動ダウンロードされるのは small モデル です（高速ですが、精度はやや低めです）。

    • それでも遅い場合は、他のプログラムを閉じて CPU リソースを確保してください。