注釈

こんにちは。SunFounder Raspberry Pi & Arduino & ESP32 Facebook 愛好家コミュニティへようこそ！ Raspberry Pi、Arduino、ESP32 について、仲間の愛好家と一緒にさらに深く探求しましょう。

参加する理由

専門的なサポート ：コミュニティメンバーや公式チームの支援を受けて、購入後の問題や技術的な課題を解決できます。
学びと共有 ：ヒントやチュートリアルを交換し、スキルを向上させましょう。
限定先行情報 ：新製品の発表やプレビュー情報をいち早く入手できます。
特別割引 ：最新製品を対象とした限定割引をお楽しみいただけます。
季節限定プロモーションとプレゼント企画 ：プレゼントキャンペーンや祝日限定のプロモーションに参加できます。

👉 私たちと一緒に探求し、創造する準備はできましたか？ [here] をクリックして、今すぐ参加しましょう！

3. Vosk で STT（オフライン）

Vosk は軽量な音声認識（ STT ）エンジンで、多くの言語に対応し、Raspberry Pi 上で完全に オフライン で動作します。言語モデルのダウンロードには最初の 1 回だけインターネット接続が必要です。その後は、ネットワーク接続なしですべてが動作します。

このレッスンでは、次を行います：

Raspberry Pi でマイクを確認する
選択した言語モデルで Vosk をインストールしてテストする

1. マイクを確認する

音声認識を使用する前に、USB マイクが正しく動作していることを確認してください。

利用可能な録音デバイスを一覧表示します：
```
arecord -l
```
card 1: ... device 0 のような行を探してください。
短いサンプルを録音します（ 1,0 を見つけた番号に置き換えてください）：
```
arecord -D plughw:1,0 -f S16_LE -r 16000 -d 3 test.wav
```
- 例：デバイスが card 2, device 0 の場合は次を使用します：
```
arecord -D plughw:2,0 -f S16_LE -r 16000 -d 3 test.wav
```
再生して録音を確認します：
```
aplay test.wav
```
必要に応じてマイク音量を調整します：
```
alsamixer
```
- F6 を押して USB マイクを選択します。
- Mic または Capture チャンネルを探します。
- ミュートになっていないことを確認します（ [MM] はミュートを意味します。M を押してミュート解除すると → [OO] と表示されます）。
- ↑ / ↓ キーで録音音量を変更します。

2. Vosk をテストする

プログラムを実行する

cd ~/fusion-hat/examples
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の 待受（ listening ） を開始します。

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

これは次を意味します：

モデルファイル（ vosk-model-small-en-us-0.15 ）がダウンロードされました。

対応言語の一覧が表示されました。

システムは現在待受中です — 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：

精度を上げるため、マイクは 15～30 cm 程度の距離に保ってください。
言語とアクセントに合ったモデル を選択してください。
静かな環境で使用すると認識が向上します。

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) — 音声認識のストリーミングを開始し、話している間は中間結果を返します。
result["partial"] — リアルタイムの認識テキスト 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 最終的に認識された文 を表示します。
ループは継続的に動作し、 ハンズフリーのリアルタイム文字起こし が可能になります。

ヒント：このストリーミングモードは、 音声アシスタント 、 コマンド操作 、または ライブ文字起こし 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）

card/device の番号が間違っている可能性があります。次を実行します：
```
arecord -l
```
そして、 1,0 を USB マイクに表示された番号に置き換えてください。
録音ファイルに音が入っていない

ミキサーを開き、マイク音量を確認します：
```
alsamixer
```
- F6 を押して USB マイクを選択します。
- Mic/Capture がミュートになっていないことを確認します（ [MM] ではなく [OO] ）。
- ↑ キーでレベルを上げます。
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：英語は en-us 、中国語は zh-cn ）。
- マイクは 15～30 cm 離し、背景ノイズを避けてください。
- 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
- デフォルトの自動ダウンロードは small モデル です（高速ですが、精度は低めです）。
- それでも遅い場合は、他のプログラムを閉じて CPU を空けてください。