Bemerkung

Hallo und willkommen in der SunFounder Raspberry Pi & Arduino & ESP32 Enthusiasten-Gemeinschaft auf Facebook! Tauchen Sie tiefer ein in die Welt von Raspberry Pi, Arduino und ESP32 mit anderen Enthusiasten.

Warum beitreten?

Expertenunterstützung: Lösen Sie Nachverkaufsprobleme und technische Herausforderungen mit Hilfe unserer Gemeinschaft und unseres Teams.
Lernen & Teilen: Tauschen Sie Tipps und Anleitungen aus, um Ihre Fähigkeiten zu verbessern.
Exklusive Vorschauen: Erhalten Sie frühzeitigen Zugang zu neuen Produktankündigungen und exklusiven Einblicken.
Spezialrabatte: Genießen Sie exklusive Rabatte auf unsere neuesten Produkte.
Festliche Aktionen und Gewinnspiele: Nehmen Sie an Gewinnspielen und Feiertagsaktionen teil.

👉 Sind Sie bereit, mit uns zu erkunden und zu erschaffen? Klicken Sie auf [here] und treten Sie heute bei!

16. STT mit Vosk (Offline)

Vosk ist eine leichtgewichtige Speech-to-Text (STT) Engine, die viele Sprachen unterstützt und vollständig offline auf dem Raspberry Pi läuft. Du benötigst nur einmalig Internetzugang, um ein Sprachmodell herunterzuladen. Danach funktioniert alles ohne Netzwerkverbindung.

In dieser Lektion installieren wir Vosk und testen es mit einem Sprachmodell deiner Wahl.

Bevor du beginnst

Stelle sicher, dass du Folgendes abgeschlossen hast:

Alle Module installieren (Wichtig) — Installiere die Module robot-hat, vilib, pidog und führe dann das Skript i2samp.sh aus.

1. Vosk testen

Schritte zum Ausprobieren:

Erstelle eine neue Datei:

cd ~/pidog/examples
sudo nano test_stt_vosk.py

Kopiere den Beispielcode hinein. Drücke Ctrl+X, dann Y und Enter, um zu speichern und zu beenden.

from pidog.stt import Vosk

vosk = Vosk(language="en-us")

print(vosk.available_languages)

while True:
    print("Say something")
    result = vosk.listen(stream=False)
    print(result)

Führe das Programm aus:
```
sudo python3 test_stt_vosk.py
```
Beim ersten Start mit einer neuen Sprache lädt Vosk das Sprachmodell automatisch herunter (standardmäßig die kleine Version). Gleichzeitig wird die Liste der unterstützten Sprachen ausgegeben. Du wirst Folgendes sehen:
```
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
```
Das bedeutet:
- Die Modelldatei (vosk-model-small-en-us-0.15) wurde heruntergeladen.
- Die Liste der unterstützten Sprachen wurde angezeigt.
- Das System hört nun zu — sprich in das Pidog-Mikrofon, und der erkannte Text wird im Terminal angezeigt.
Tipps:
- Halte das Mikrofon etwa 15–30 cm entfernt.
- Wähle ein Modell, das zu deiner Sprache und deinem Akzent passt.

Streaming-Modus (optional)

Du kannst die Sprache auch kontinuierlich streamen, um Teilergebnisse während des Sprechens zu sehen:

from pidog.stt import Vosk

vosk = Vosk(language="en-us")

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

Fehlerbehebung

Das Mikrofon nimmt nichts auf, oder arecord meldet „No such file or directory“

Wahrscheinlich ist die Karten-/Gerätenummer falsch oder der Eingang ist stummgeschaltet. Liste zuerst die Aufnahmegeräte auf:
```
arecord -l
```
Suche dein USB-Mikrofon und notiere die Nummern, dann nimm eine Testaufnahme auf und ersetze 1,0 durch die gefundenen Nummern:
```
arecord -D plughw:1,0 -f S16_LE -r 16000 -d 3 test.wav
```
Wenn die Aufnahme weiterhin stumm bleibt, öffne den Mixer:
```
alsamixer
```
Drücke F6, um dein USB-Mikrofon auszuwählen, hebe die Stummschaltung von Mic / Capture auf ([OO] statt [MM]) und erhöhe die Lautstärke mit ↑ / ↓.
Vosk erkennt keine Sprache
- Achte darauf, dass der Sprachcode zu deinem Modell passt (z. B. en-us für Englisch, zh-cn für Chinesisch).
- Halte das Mikrofon 15–30 cm entfernt und vermeide Hintergrundgeräusche.
- Sprich deutlich und langsam.
Hohe Latenz / langsame Erkennung
- Der automatische Download nutzt standardmäßig ein kleines Modell (schneller, aber weniger genau).
- Wenn es trotzdem langsam ist, schließe andere Programme, um CPU-Ressourcen freizugeben.