备注

您好，欢迎加入 SunFounder Raspberry Pi & Arduino & ESP32 爱好者 Facebook 社区！与众多爱好者一起深入探索 Raspberry Pi、Arduino 和 ESP32。

为什么要加入？

  • 专家支持：借助我们的社区和团队，解决售后问题和技术难题。

  • 学习与分享：交流技巧和教程，提升您的技能。

  • 独家预览：抢先获取新产品公告和先睹为快的机会。

  • 特别折扣：享受我们最新产品的专属优惠。

  • 节日促销与赠品活动：参与赠品和节日促销活动。

👉 准备好和我们一起探索和创造了吗？点击 [here]，立即加入吧！

16. 使用 Vosk 进行离线语音识别

Vosk 是一个轻量级的语音转文字（STT）引擎，支持多种语言，可在 Raspberry Pi 上完全**离线**运行。 您只需联网一次下载语言模型。之后，所有功能无需网络连接即可使用。

在本课中，我们将：

  • 检查 Raspberry Pi 上的麦克风。

  • 安装并使用所选语言模型测试 Vosk。

准备工作

请确保您已完成以下步骤：

1. 检查您的麦克风

在使用语音识别之前，请确保您的 USB 麦克风正常工作。

  1. 列出可用的录音设备：

    arecord -l

    查找类似 card 1: ... device 0 的行。

  2. 录制一段短样本（将 1,0 替换为您找到的编号）：

    arecord -D plughw:1,0 -f S16_LE -r 16000 -d 3 test.wav

    • 示例：如果您的设备是 card 2, device 0，请使用：

    arecord -D plughw:2,0 -f S16_LE -r 16000 -d 3 test.wav

  3. 播放以确认录音效果：

    aplay test.wav

  4. 如有需要，调节麦克风音量：

    alsamixer

    • 按 F6 选择您的 USB 麦克风。

    • 找到 Mic 或 Capture 通道。

    • 确保没有静音（[MM] 表示静音，按 M 取消静音 → 应显示 [OO]）。

    • 使用 ↑ / ↓ 方向键改变录音音量。

2. 测试 Vosk

尝试步骤如下：

  1. 创建一个新文件：

    cd ~/pidog/examples
sudo nano test_stt_vosk.py

  2. 将示例代码复制到文件中。按 Ctrl+X，然后按 Y，再按 Enter 保存并退出。

    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)

  3. 运行程序：

    sudo python3 test_stt_vosk.py

  4. 首次使用新语言运行此代码时，Vosk 将**自动下载语言模型**（默认会下载**小型**版本）。 同时，它还会打印出支持的语言列表。然后您将看到：

    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

    这意味着：

    • 模型文件（vosk-model-small-en-us-0.15）已下载完成。

    • 支持的语言列表已打印出来。

    • 系统正在聆听 — 对着 Pidog 的麦克风说话，识别的文字将显示在终端中。

    提示：

    • 保持麦克风距离约 15–30 厘米。

    • 选择与您的语言和口音匹配的模型。

流式模式（可选）

您也可以连续流式传输语音，在说话时实时查看部分识别结果：

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)

故障排除

  • 运行 `arecord` 时提示没有此类文件或目录

    您可能使用了错误的声卡/设备编号。 运行：

    arecord -l

    并将 1,0 替换为您的 USB 麦克风显示的编号。

  • 录制的文件没有声音

    打开混音器检查麦克风音量：

    alsamixer

    • 按 F6 选择您的 USB 麦克风。

    • 确保 Mic/Capture 没有静音（[OO] 而非 [MM]）。

    • 使用 ↑ 键提高音量。

  • Vosk 无法识别语音

    • 确保**语言代码**与您的模型匹配（例如英文用 en-us，中文用 zh-cn）。

    • 保持麦克风距离 15–30 厘米，并避免背景噪音。

    • 清晰且缓慢地说话。

  • 高延迟 / 识别速度慢

    • 默认自动下载的是**小型模型**（速度更快，但准确度较低）。

    • 如果仍然很慢，请关闭其他程序以释放 CPU。