Mateusz Mazurek – programista z pasją

Czyli o użyciu Pythona i kilku innych technologii do tworzenia świetnej jakości aplikacji w oparciu o stabilny proces dostarczania oprogramowania.

Algorytmika Programowanie Programowanie webowe

Ciąg dalszy Audio – rozpoznawanie mowy

Witam ponownie ;)

Przy okazji zbierania materiałów na poprzedni wpis natknąłem się na możliwość rozpoznawania mowy. To na tyle fajne zagadnienie że postanowiłem napisać osobny wpis na ten temat.

A więc specyfikację możecie sobie zobaczyć tutaj.

Od razu zaznaczę iż używać tego możemy na razie tylko w Google Chrome – zerknij na Can I use.

Zacznijmy od kawałka HTMLa:

1
2
3
4
5
6
7
8
9
<html>
<head>
</head>
<body>
   <div style="width:50%;height:50%;border:2px solid;margin: 0 auto;" id="result">
   </div>
</body>
<script type="text/javascript" src="main.js"></script>
</html>

Wynik rozpoznawania będziemy pisać do tego diva #result.

I kawałek JSa:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
var resultElement = document.getElementById("result");

var handleResult = function(results){
    var result = results[results.length-1];
    resultElement.innerHTML = result[0].transcript;
}

var recognition = new webkitSpeechRecognition();
recognition.lang = "pl-PL";
recognition.continuous = true;
recognition.interimResults = true;
recognition.onresult = function(event) {
    console.log(event)
    handleResult(event.results);
}
recognition.start();

Używamy obiektu klasy webkitSpeechRecognition. Ustawiamy mu język polski. Opcja continuous pozwala na ciągłe przetwarzanie głosu – tzn będzie przetwarzać głos mimo odebrania pierwszego finalnego rezultatu. Ustawienie pola interimResults pozwala nam uzyskiwać nie ostateczne rezultaty. Czyli będziemy na ekranie widzieć cały proces dopasowywania dźwięku, przykładowo jeśli powiemy np. słowo „motor” to pierwszym słowem które znajdzie będzie słowo „moto” a następnym już „motor” i słowo „motor” będzie słowem finalnym a słowo „moto” słowem w procesie dopasowywania które będzie widoczne na ekranie dzięki własnie opcji interimResults .

Hahahah całkiem ciekawą rzeczą jest że on cenzuruje bluźnierstwa ;) co znaczy że jeśli powiem mu brzydkie słowo na „k” to rezultat będzie „k****”.

Zapraszam do pobawienia się:

DEMO

Dzięki za wizytę,
Mateusz Mazurek

A może wolisz nowości na mail?

Subskrybuj
Powiadom o
guest

Witryna wykorzystuje Akismet, aby ograniczyć spam. Dowiedz się więcej jak przetwarzane są dane komentarzy.

1 Komentarz
Inline Feedbacks
View all comments
lustfingers

Całkiem fajnie to wygląda, mam tylko jedno pytanie czy jest możliwość zrobienia przycisku który to będzie uruchamiał? Wyobrażam sobie sytuację że ktoś to zaimplementuje na swojej stronie w wyszukiwarce, osoba przeglądająca taką stronę dostając od razu komunikat o tym że chcemy dostępu do mikrofonu po prostu ucieknie nie wiedząc po co to nam. taki przycisk np. przy wyszukiwarce coś jak w google byłby super dopełnieniem całości.