maix_asr(语音识别模块)

    class(类)

    maix_asr

    maix_asr 构造参数如下:

    • address 烧写声学模型的 Flash 地址。
    • i2s 录音设备,默认使用 I2S.DEVICE_0 。
    • dmac 录音所使用的 DMA 通道,默认使用 通道 3
    • shift 声道选择,Maix 系列的硬件录音设备通常为单声道输入,设置 0 为左声道,所以 1 为右声道。
    from speech_recognizer import asr
    class maix_asr(asr):
      def config(self, sets):
        pass
    t = maix_asr(0x500000, I2S.DEVICE_0, 3, shift=0)
    

    该 maix_asr 模块由继承内部 asr 模块而来的拓展配置接口辅助类,实现如下:

    from speech_recognizer import asr
    
    class maix_asr(asr):
    
      asr_vocab = ["lv", "shi", "yang", "chun", "yan", "jing", "da", "kuai", "wen", "zhang", "de", "di", "se", "si", "yue", "lin", "luan", "geng", "xian", "huo", "xiu", "mei", "yi", "ang", "ran", "ta", "jin", "ping", "yao", "bu", "li", "liang", "zai", "yong", "dao", "shang", "xia", "fan", "teng", "dong", "she", "xing", "zhuang", "ru", "hai", "tun", "zhi", "tou", "you", "ling", "pao", "hao", "le", "zha", "zen", "me", "zheng", "cai", "ya", "shu", "tuo", "qu", "fu", "guang", "bang", "zi", "chong", "shui", "cuan", "ke", "shei", "wan", "hou", "zhao", "jian", "zuo", "cu", "hei", "yu", "ce", "ming", "dui", "cheng", "men", "wo", "bei", "dai", "zhe", "hu", "jiao", "pang", "ji", "lao", "nong", "kang", "yuan", "chao", "hui", "xiang", "bing", "qi", "chang", "nian", "jia", "tu", "bi", "pin", "xi", "zou", "chu", "cun", "wang", "na", "ge", "an", "ning", "tian", "xiao", "zhong", "shen", "nan", "er", "ri", "zhu", "xin", "wai", "luo", "gang", "qing", "xun", "te", "cong", "gan", "lai", "he", "dan", "wei", "die", "kai", "ci", "gu", "neng", "ba", "bao", "xue", "shuai", "dou", "cao", "mao", "bo", "zhou", "lie", "qie", "ju", "chuan", "guo", "lan", "ni", "tang", "ban", "su", "quan", "huan", "ying", "a", "min", "meng", "wu", "tai", "hua", "xie", "pai", "huang", "gua", "jiang", "pian", "ma", "jie", "wa", "san", "ka", "zong", "nv", "gao", "ye", "biao", "bie", "zui", "ren", "jun", "duo", "ze", "tan", "mu", "gui", "qiu", "bai", "sang", "jiu", "yin", "huai", "rang", "zan", "shuo", "sha", "ben", "yun", "la", "cuo", "hang", "ha", "tuan", "gong", "shan", "ai", "kou", "zhen", "qiong", "ding", "dang", "que", "weng", "qian", "feng", "jue", "zhuan", "ceng", "zu", "bian", "nei", "sheng", "chan", "zao", "fang", "qin", "e", "lian", "fa", "lu", "sun", "xu", "deng", "guan", "shou", "mo", "zhan", "po", "pi", "gun", "shuang", "qiang", "kao", "hong", "kan", "dian", "kong", "pei", "tong", "ting", "zang", "kuang", "reng", "ti", "pan", "heng", "chi", "lun", "kun", "han", "lei", "zuan", "man", "sen", "duan", "leng", "sui", "gai", "ga", "fou", "kuo", "ou", "suo", "sou", "nu", "du", "mian", "chou", "hen", "kua", "shao", "rou", "xuan", "can", "sai", "dun", "niao", "chui", "chen", "hun", "peng", "fen", "cang", "gen", "shua", "chuo", "shun", "cha", "gou", "mai", "liu", "diao", "tao", "niu", "mi", "chai", "long", "guai", "xiong", "mou", "rong", "ku", "song", "che", "sao", "piao", "pu", "tui", "lang", "chuang", "keng", "liao", "miao", "zhui", "nai", "lou", "bin", "juan", "zhua", "run", "zeng", "ao", "re", "pa", "qun", "lia", "cou", "tie", "zhai", "kuan", "kui", "cui", "mie", "fei", "tiao", "nuo", "gei", "ca", "zhun", "nie", "mang", "zhuo", "pen", "zun", "niang", "suan", "nao", "ruan", "qiao", "fo", "rui", "rao", "ruo", "zei", "en", "za", "diu", "nve", "sa", "nin", "shai", "nen", "ken", "chuai", "shuan", "beng", "ne", "lve", "qia", "jiong", "pie", "seng", "nuan", "nang", "miu", "pou", "cen", "dia", "o", "zhuai", "yo", "dei", "n", "ei", "nou", "bia", "eng", "den", "_"]
    
      def get_asr_list(string='xiao-ai-fas-tong-xue'):
        return [__class__.asr_vocab.index(t) for t in string.split('-') if t in __class__.asr_vocab]
    
      def get_asr_string(listobj=[117, 214, 257, 144]):
        return '-'.join([__class__.asr_vocab[t] for t in listobj if t < len(__class__.asr_vocab)])
    
      def unit_test():
        print(__class__.get_asr_list('xiao-ai'))
        print(__class__.get_asr_string(__class__.get_asr_list('xiao-ai-fas-tong-xue')))
    
      def config(self, sets):
        self.set([(sets[key], __class__.get_asr_list(key)) for key in sets])
    
      def recognize(self):
        res = self.result()
        # print(tmp)
        if res != None:
          sets = {}
          for tmp in res:
            sets[__class__.get_asr_string(tmp[1])] = tmp[0]
            #print(tmp[0], get_asr_string(tmp[1]))
          return sets
        return None
    
    

    function(方法)

    config

    可以配置语音识别的所需要的词汇列表,最大不超过 6 个音符,超了会忽略,参数为 'xiao-ai-ya' : 0.3 对应的 中文拼音字符串 和 匹配的最低概率(门限),且注意它不区分音调,所以 你-好-鸭尼-浩-雅 没有区别,所以设计的时候要注意词汇的语调是否会形成新词。

    用例如下:

      t.config({
        'xiao-ai-ya' : 0.3,
        'hao-de-ya' : 0.2,
        'ni-hao-ya' : 0.3,
      })
    

    recognize

    将会识别 config 函数中所配置的词汇。

    用例如下:

    tmp = t.recognize()
    # print(tmp)
    if tmp != None:
        print(tmp)
    

    返回结果:

    {
        'xiao-ai-ya' : 0.9,
        'xiao-ai' : 0.2,
    }
    

    跟 config 时的参数一样,只是作为返回值给出,可以见到此处出现 小-爱-鸭小-爱 两个匹配结果。

    state

    期望保持在 100ms 内能够执行 asr 模块,它会返回当前模块状态,可以忽略返回结果,用法如下:

    from machine import Timer
    
    def on_timer(timer):
      #print("time up:",timer)
      #print("param:",timer.callback_arg())
      timer.callback_arg().state()
    
    # default: maix dock / maix duino set shift=0
    t = maix_asr(0x500000, I2S.DEVICE_0, 3, shift=0) # maix bit set shift=1
    tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PERIODIC, period=64, callback=on_timer, arg=t)
    tim.start()
    

    可见 on_timer 会在 64 ms 的周期内执行 timer.callback_arg().state() 函数,其中 timer.callback_arg() 为 maix_asr 类的实例。

    run

    控制模块运行(录音)。

    stop

    控制模块停止(录音)。

    __del__

    主动调用可释放模块,可被 gc.collect() 主动回收。