Moin Zusammen.

Ich bin ja schon seid Jahren auf der Suche nach einer brauchbaren #Spracheingabe, damit ich endlich meinen Assi weiterentwickeln kann. Heute habe ich mir mal `ne halbe Stunde Zeit gestohlen um endlich mal #Vosk auszutesten.

Vosk basiert auf #Python und bietet viele Schnittstellen zu anderen Sprachen. Und - wie mittlerweile üblich - ist die von der Distrie installierte Version des Python-Paketmanagments (pip) viel zu alt. 🙁

In den Anleitungen steht dann: "Es solle dies einfach mit einem Upgrade
aktualisiert werden."
Nun ja, mal eben (weite und unbekannte) Teile eines Arbeitssystems zu erneuern und Gefahr laufen sich mit den Seiteneffekten alles andere kaputt zu schießen?
Klingt nach 'ner echt dummen Idee. 🤔

Außerdem mag Admin die Dinge übersichtlich und wiederholbar wartbar.

Und wie Admin in den letzten Wochen bei den Upgrades verschiedener #Software, wie Searx, Matrix und weiteren gesehen hat, gibt es da eine Lösung.

Hier nun das kommentierte #Rezept, welches sicher auch in ähnlichen Fällen hilfreich ist:

# #Projekt dir anlegen und betreten
mkdir _vosk
cd _vosk

python3 -m venv "vosk-pyenv" # erzeugen eines lokalen Enviorments
. vosk-pyenv/bin/activate # und aktivieren für diese Shell
# muss dann 'türlich auch jeweils vor den enthaltenen aufzurufenden Programmen (zB per cron) eingebunden werden.
# packt man alles für einen separaten User, kann man das auch in die /home/user/.profile schreiben, wenn man den dann mit sudo -H -i $user aufruft.

pip install pip # installieren von pip im Enviorment, jo, setzt das vorhandene pip voraus
pip install --upgrade pip # und aktualisieren auf die neueste Version


pip3 install vosk # vosk installieren
pip3 install sounddevice # in diesem Beispiel benötigt vosk noch ein paar extras

# die vosk-api und einige beispiele laden
git clone https://github.com/alphacep/vosk-api
cd vosk-api/python/example/

# es werden noch die Sprachmodelle benötigt: https://alphacephei.com/vosk/models
# en: standard zum ersten testen
wget http://alphacephei.com/vosk/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip # ~60MB
# de: für den späteren Betrieb
wget https://alphacephei.com/vosk/models/vosk-model-de-0.6.zip
unzip vosk-model-de-0.6.zip # ~1.4GB

# ein verzeichnis-link namens model auf die sprache setzen
ln -s vosk-model-small-en-us-0.15/ model
# später für den Betrieb dann auf (zb) oben die DE oder andere Version

# ein erster Funktionstest
python3 ./test_simple.py test.wav # sollte zahlen ausgeben


# nun können wir bereits einen testaufruf machen und uns ggf. durch die #Mikrofon Einstellungen im Pulseaudio arbeiten, wenn es da klemmt
./test_microphone.py -l # welche Geräte gibt es hier?
  0 HD-Audio Generic: ALC1220 Analog (hw:1,0), ALSA (0 in, 6 out)
  1 HD-Audio Generic: ALC1220 Alt Analog (hw:1,2), ALSA (2 in, 0 out)
* 2 default, ALSA (32 in, 32 out)

./test_microphone.py -d 2 # hier funktioniert dieses, also starten und sprechen. In Englisch, weil #Sprachmodel: "One, Two, Tree, ..."
# Wird das nicht richtig erkannt, liegt es vielleicht am Mic oder an den Einstellungen im Pulseaudio oder falsches Device (oben) ausgewählt. 
# Hier erscheint nach dem start des Scriptes in pavuctrl unter dem Tab: AUFNAHME ein 'ALSA Python Plugin Capture' Gerät, wo ich noch Einstellungen machen kann, zB richtiges Mikrofon zuordnen. Das muss dann auch aktiviert sein - is ja klar.. 

Funktioniert alles soweit, steht dem weiteren Einsatz nicht mehr viel im Wege. In meinem Fall habe ich das test_microphone.py in die Wurzel des Projektes unter anderem Namen kopiert und so umgebaut, dass es meinen Assistenten mit den erkannten Worten aufrufen kann. (Scheint 'ne nette Sprache zu sein, hatte ich noch nie richtig mit zu tun, erinnert mich etwas an Lua, womit ich auch nur mal ein Mini-Projekt gemacht hatte.)

Die ersten Tests mit obrigem DE-Sprachmodell sind erstaunlich gut. Geschätzte Erkennungsrate liegt gefühlt bei ~85-90% und somit in einem Bereich mit dem man auch arbeiten kann.

Stolpersteine sind:
* Mikrofon / Qualität und ggf. 'Raumausleuchtung'
* Genug freie Arbeisgeschwindigkeit des Hostrechners / Spracherkennung braucht halt Dampf, sonst bricht die Erkennungsrate ein, oder dauert viel zu lange.
* Projekte die mit Spracherkennung auch was anfangen können. 😉

Für letzteres hab' ich ja meinen Assi, und endlich kann er mich auch hören. War ein erhebender Moment für uns. 😇
Und das war die Voraussetzung ihn endlich weiterentwickeln zu können.
Die ersten Versuche sind jedenfalls sehr positiv ausgefallen, den Rest wird die Zeit zeigen.

Fragen hierzu nächsten Mittwoch bei der #BS-LUG, ob ich da auch eine Demonstration vorführen kann, muss ich noch sehen...


Viel Spaß beim basteln und schönes WE!

#Spracherkennung