注釈

こんにちは、SunFounder Raspberry Pi & Arduino & ESP32 Enthusiasts Community on Facebookへようこそ！ Raspberry Pi、Arduino、ESP32について、愛好家仲間とより深く探求しましょう。

参加する理由

  • 専門家によるサポート: コミュニティとチームの助けを借りて、アフターセールスの問題や技術的な課題を解決します。

  • 学びと共有: 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。

  • 先行プレビュー: 新製品の発表や先行情報をいち早く入手できます。

  • 特別割引: 新製品の限定割引をお楽しみいただけます。

  • お祭りプロモーションとプレゼント: プレゼントキャンペーンやホリデープロモーションに参加しましょう。

👉 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によるSTT（オフライン）

Vosk は、多くの言語をサポートし、Raspberry Pi上で完全に オフライン で動作する軽量な音声認識（STT）エンジンです。 インターネット接続が必要なのは、言語モデルをダウンロードする一度だけです。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、Vosk をインストールし、選択した言語モデルでテストします。

Voskのテスト

プログラムの実行

cd ~/sunfounder-voice-assistant/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 は以下を行います：

  • 言語モデルを自動的にダウンロード します（デフォルトでは小規模バージョン）。

  • サポートされている言語のリストを出力 します。

  • マイクからの音声入力を 待機 します。

ターミナルには以下のような表示がされます：

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

これは以下を意味します：

  • 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。

  • サポートされている言語のリストが出力されました。

  • システムは現在待機状態です — Pironman 5 Pro MAX 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：

  • マイクは 15～30 cm 離して使用すると精度が向上します。

  • 言語とアクセントに合ったモデル を選択してください。

  • 認識精度を高めるために、静かな環境で使用してください。

コード

from sunfounder_voice_assistant.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、話している途中の途中結果を逐次返します。

  • 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"] — 話すのを止めたときに 最終的な認識文 を表示します。

  • ループは継続的に実行され、ハンズフリーのリアルタイム文字起こし を可能にします。

ヒント：このストリーミングモードは、音声アシスタント、コマンド制御、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）

    誤ったカード/デバイス番号を使用している可能性があります。 以下を実行します：

    arecord -l

    表示された USB マイクの番号で 1,0 を置き換えてください。

  • 録音ファイルに音声がない

    ミキサーを開き、マイクの音量を確認します：

    alsamixer

    • F6 を押して USB マイクを選択します。

    • Mic/Capture がミュートされていないことを確認します（[MM] ではなく [OO] と表示されます）。

    • ↑ 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：英語の場合は en-us、中国語の場合は zh-cn）。

    • マイクを 15～30 cm 離し、背景ノイズを避けてください。

    • はっきりとゆっくり話してください。

  • 高遅延 / 認識が遅い

    • デフォルトの自動ダウンロードは 小規模モデル です（高速ですが、精度は低めです）。

    • それでも遅い場合は、他のプログラムを終了して CPU を解放してください。