Խոսքի ճանաչող ՝ 12 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:51

Բարեւ բոլորին………

Սա իմ երկրորդ հրահանգն է, որը տեղադրում եմ:

Ուրեմն ողջունում եմ բոլորին …

Այս Ուղեցույցում ես պատրաստվում եմ սովորեցնել ձեզ, թե ինչպես կառուցել ձայնի ճանաչիչ `օգտագործելով arduino տախտակը:

Կարծում եմ, որ դուք արդեն ունեք փորձ arduino տախտակների հետ: Եթե ոչ, ապա դա ամենևին էլ մեծ խնդիր չէ: Բայց խորհուրդ եմ տալիս սովորել դրան, քանի որ շատ հետաքրքիր է խաղալ դրա հետ և ստեղծել զով նախագծեր: դրանից դուրս ՝ ըստ քո ստեղծագործական և գիտելիքների:

Այսպիսով, այն մարդկանց համար, ովքեր arduino- ի օգտագործման նախկին փորձ չունեն

Arduino- ն բաց կոդով համակարգչային սարքավորում է, որն արտադրվում է մի ընկերության կողմից, որն ունի դիզայներների և արտադրողների մեծ համայնք: այն կարելի է համարել որպես փոքր համակարգիչ, որը կարող է օգտագործվել այլ էլեկտրոնային սխեմաները կառավարելու համար:

Arduino- ն ծրագրավորված է իրենց կողմից մշակված միջավայրում, որը հեշտությամբ կարելի է ներբեռնել իրենց կայքից:

Քայլ 1: Ինչպե՞ս կարգավորել շրջակա միջավայրը:

Պարզապես որոնեք Google- ում «ներբեռնեք arduino»

Կտտացրեք «Arduino - ծրագրակազմ»

Դուք կկարողանաք տեսնել «Ներբեռնեք Arduino IDE- ն»

Ընտրեք ՝ կախված ձեր օպերացիոն համակարգից

Ներբեռնեք և տեղադրեք այն

Այսպիսով, դուք հաջողությամբ տեղադրել եք ծրագրակազմը և կարող եք գրել ձեր կոդը arduino- ի համար, իսկ մալուխի օգնությամբ դուք կարող եք միացնել arduino տախտակը համակարգչին և կարող եք տեղադրել կոդը:

Քայլ 2. Ինչու՞ է աճում Arduino- ի պահանջարկը:

Էժանագին

Arduino- ի տախտակները էժան են `համեմատած այլ միկրոկառավարիչների հարթակների հետ: Այն կարժենա ընդամենը մոտ $ 50:

Խաչաձեւ հարթակ

Arduino- ի ծրագրակազմն աշխատում է Windows, Macintosh OS և Linux օպերացիոն համակարգերի վրա: Եթե մտածենք միկրոկառավարիչների այլ համակարգերի մասին, ապա այն կաշխատի միայն Windows- ում կամ այլ կերպ ասած `սահմանափակված միայն պատուհաններով:

Բաց կոդով և ընդլայնվող ծրագրակազմ

Theրագրակազմը բաց կոդ է, ուստի մարդիկ սկսեցին խորությամբ ուսումնասիրել դրա մասին և ներառել այլ ծրագրավորման լեզուների գրադարաններ (որոնք ներառում են գործառույթների մի շարք):

Պարզ և հեշտ ծրագրավորման միջավայր

Հեշտ է օգտագործել Arduino IDE- ն (այն ծրագիրը, որի մասին մենք արդեն քննարկել ենք… դրա մասին.

Բաց կոդ և ընդլայնվող սարքավորում

Arduino- ի տախտակների պլանները հրապարակվում են Creative Commons- ի լիցենզիայի ներքո, ուստի այն մարդիկ, ովքեր ունեն սխեմաների նախագծման փորձ, կարող են պատրաստել մոդուլի սեփական տարբերակը, նրանք նաև իրավունք ունեն ընդլայնելու տեխնոլոգիան և կարող են կատարելագործվել դրան ավելացնելով հնարավորություններ:

Քայլ 3: Եկեք սկսենք !!!!

Այսպիսով, ես արդեն ասացի, որ այս նախագիծը հիմնականում կենտրոնացած է Arduino- ի միջոցով ձայնի ճանաչման և որոշ առաջադրանքներ թույլ տալու վրա:

Ավելի հստակ խոսել ……

Այն վերցնում է օգտագործողի կողմից տրամադրված ձայնային ազդանշանները, որոնք կարող են հայտնաբերվել ՝ LED- ը թարթելով, այն վերածվել է սինթեզված խոսքի:

Քայլ 4: Պահանջվող բաղադրիչներ

Այս նախագծի համար անհրաժեշտ հիմնական բաղադրիչներն են.

Arduino Due x 1

Spark Fun Electret խոսափողը Breakout x 1

Spark Fun Mono Audio Amp Breakout x 1

Բարձրախոս `0.25W, 8 ohms x 1

Հացաթուղթ x 1

5 մմ LED: Կարմիր x 3

Ռեզիստոր 330 օհմ x 3

Թռիչքային լարեր x 1

Oldոդման երկաթ x 1

BitVoicer սերվեր

Այն խոսքի ճանաչման և սինթեզի սերվեր է խոսքի ավտոմատացման համար:

Քայլ 5: Ինչպե՞ս է այն իրականում աշխատում:

1. Ձայնային ալիքները հայտնաբերվում են, այնուհետև այն գրավում է այս ալիքները և ուժեղանում Sparkfun Electret Breakout տախտակով:

2. Վերոնշյալ գործընթացից ստացված ուժեղացված ազդանշանը կթվայնացվի և բուֆերացված/կպահվի Arduino- ի տախտակում `օգտագործելով դրա մեջ առկա անալոգային-թվային փոխարկիչը (ADC):

3. Ձայնային նմուշները կտրամադրվեն BitVoicer սերվերին `օգտագործելով առկա Arduino սերիական պորտը:

4. BitVoicer Server- ը կվերամշակի աուդիո հոսքը, այնուհետև կճանաչի այն պարունակվող խոսքը:

5. Theանաչված ելույթը քարտեզագրվելու է այն հրամանների վրա, որոնք արդեն իսկ սահմանվել են ինքնուրույն, այնուհետև այն կուղարկվի Arduino- ին: Եթե հրամաններից մեկը բաղկացած է խոսքի սինթեզումից, BitVoicer Server- ը կպատրաստի աուդիո հոսքը և կուղարկի այն Arduino- ին:

6. Arduino- ն կբացահայտի տրված հրամանները և կկատարի որոշակի համապատասխան գործողություն: Եթե աուդիո հոսք է ստացվում, այն հերթագրվելու է BVS խոսողների դասին և նվագարկվելու է DUE DAC- ի և DMA- ի միջոցով:

7. SparkFun Mono աուդիո ուժեղացուցիչը կամրապնդի DAC ազդանշանը, որպեսզի կարողանա վարել 8 Օմ բարձրախոս և լսելի լինել դրա միջոցով:

Քայլ 6: Բաղադրիչների միացում

Առաջին քայլն այն է, որ տարբեր բաղադրամասեր մետաղալարով ամրացնենք տախտակի վրա, ինչպես նաև արդուինոյի տախտակով, ինչպես ցույց է տրված նկարում:

Հիշեք, որ այստեղ օգտագործվող arduino տախտակը DUE է, կան տարբեր այլ մոդելներ, որոնք արտադրվել են Arduino- ի կողմից, յուրաքանչյուրն աշխատում է լարման տարբեր մակարդակներում:

Arduino- ի տախտակների մեծ մասն աշխատում է 5 Վ լարման վրա, սակայն DUE- ն աշխատում է 3.3 Վ -ով:

DUE- ն արդեն օգտագործում է 3.3 Վ անալոգային հղում, այնպես որ ձեզ AREF պինին ցատկելու կարիք չկա:

Ափսոս, մոռացա ասել, որ AREF- ի քորոցը «ANALOG REFERENCE PIN» է, որն առկա է arduino- ի տախտակում, ինչպես ցույց է տրված հաջորդ նկարում (Դա arduino UNO է, բայց նմանատիպ կայքում նման է DUE- ի դեպքում):

DUE- ի AREF կապը միացված է միկրոհսկիչին `դիմադրության կամրջի միջոցով:

AREF քորոցն օգտագործելու համար R1 դիմադրիչը պետք է ապամոնտաժվի PCB- ից [Տպագիր տպատախտակ]:

Քայլ 7. Arduino- ի խորհրդին ծածկագիր տրամադրելը

Այսպիսով, մենք պետք է վերբեռնենք կոդը Arduino- ի տախտակին, որպեսզի այն կարողանա աշխատել ՝ կախված ծածկագրում տրված հրահանգներից:

Դա շատ հեշտ է անել: Ես նրանցից յուրաքանչյուրին մանրամասն կբացատրեմ, թե ինչ են անում և ինչպես են աշխատում:

Ինչպե՞ս տեղադրել գրադարան:

Այսպիսով, մինչ այդ մենք պետք է իմանանք, թե ինչպես տեղադրել BitVoicer Server գրադարանները Arduino IDE- ում, այն arduino ծրագրաշարի վրա:

Այսպիսով, դրա համար բացեք Arduino IDE- ն

Վերին վահանակում կտտացրեք «Էսքիզ»

Այնուհետև կտտացրեք «Ներառել գրադարանը»

Դրա վրա կտտացրեք «Կառավարել գրադարանը»

Այնուհետև գրադարանի կառավարիչը կբացվի, և մենք կարող ենք տեսնել գրադարանների ցուցակ, որոնք պատրաստ են տեղադրման կամ արդեն տեղադրված գրադարանների:

Որոնեք տեղադրելու գրադարանը, ապա ընտրեք տարբերակի համարը:

Այստեղ մենք տեղադրում ենք BitVoicer Server գրադարանները, որն անհրաժեշտ է այս նախագծի համար:

Ինչպե՞ս ներմուծել.zip գրադարան:

Գրադարանները կարող են տարածվել նաև որպես ZIP ֆայլ կամ թղթապանակ:

Թղթապանակի անունը գրադարանի անունն է:

Թղթապանակի ներսում կլինի.cpp ֆայլ,.h ֆայլ և հաճախ keywords.txt ֆայլ, օրինակների պանակ և գրադարանի պահանջած այլ ֆայլեր:

Arduino IDE- ի 1.0.5 տարբերակից կարող եք տեղադրել դրա ներսում երրորդ կողմի գրադարաններ:

Մի բացեք ներբեռնված գրադարանը, թողեք այն այնպես, ինչպես կա:

Դրա համար անցեք ուրվագիծ> Ներառել գրադարան> Ավելացնել.zip գրադարան

Ընտրեք.zip ֆայլի գտնվելու վայրը և բացեք այն:

Վերադառնալ ուրվագիծ> Գրադարան ներմուծել:

Եթե այն պատշաճ կերպով ներմուծված է, ապա այդ գրադարանը պետք է դիտվի բացվող ընտրացանկի ներքևում, երբ նավարկեք:

Քայլ 8: Programրագիր/ուրվագիծ

Սա այն ծրագիրն է, որը պետք է վերբեռնվի Arduino- ում:

Դա կարելի է անել պարզապես Arduino- ի խորհուրդը համակարգչին միացնելով և այն գրատախտակին վերբեռնելով:

Քայլ 9: Ինչ վերաբերում է գրված կոդերին:

Այժմ եկեք նայենք, թե իրականում ինչ է կատարում ծածկագրում գրված գործառույթներից ………..

Գրադարանի հղումներ և փոփոխական հայտարարագրում

Մինչ այս մասին խոսելը մենք պետք է իմանանք և հասկանանք որոշ հիմնական տերմինաբանություններ: Դրանք ներառում են.

• BVSP

  Այն գրադարան է, որը մեզ տրամադրում է գրեթե բոլոր ռեսուրսները, որոնք անհրաժեշտ են BitVoicer Server- ի հետ տեղեկատվություն փոխանակելու համար:

  Կա մի արձանագրություն, որը հայտնի է որպես BitVoicer Server Protocol, որն իրականացվում է BVSP դասի միջոցով: Սա պահանջվում է սերվերի հետ փոխազդելու համար:

• BVSMic

  Այն գրադարան է, որն իրականացնում է այն ամենը, ինչ անհրաժեշտ է ձայնագրությունը ձայնագրելու համար ՝ օգտագործելով Arduino- ի անալոգային-թվային փոխարկիչ (ADC):

  Այս ձայնը պահվում է դասի ներքին բուֆերում և դրանք կարող են առբերվել, այնուհետև այն կարող է ուղարկվել խոսքի ճանաչման շարժիչներին, որը հասանելի է BitVoicer Server- ում:

• BVSSpeaker

  Այն գրադարան է, որը պարունակում է բոլոր էական ռեսուրսները, որոնք անհրաժեշտ են BitVoicer սերվերից ուղարկված աուդիո հոսքերի վերարտադրման համար:

  Դրա համար Arduino տախտակը պետք է ունենա ներկառուցված թվային անալոգային փոխարկիչ (DAC):

  Arduino DUE- ը Arduino- ի միակ տախտակն է, որն ունի ինտեգրված DAC:

BVSP, BVSMic, BVSSpeaker և DAC գրադարաններ, որոնց հղումը գրված է առաջին չորս տողերում, ինչը կազմում է ծրագրի դիտումը:

Երբ տեղադրում եք BitVoicer Server- ը, կարող եք գտնել BitSophia- ն, որն ապահովում է այս չորս գրադարանները:

Երբ օգտվողը տեղեկանք ավելացնի BVSSpeaker գրադարանին, ինքնաբերաբար կհրավիրվի ավելի վաղ նշված DAC գրադարանին:

BVSP դասը օգտագործվում է BitVoicer Server- ի հետ հաղորդակցվելու համար

BVSMic դասը օգտագործվում է աուդիո ձայնագրման և պահպանման համար

BVSSpeaker դասը օգտագործվում է Arduino DUE DAC- ի միջոցով աուդիո վերարտադրելու համար:

2. կարգաբերման գործառույթ

Կարգավորման գործառույթը օգտագործվում է որոշակի գործողություններ կատարելու համար, ինչպիսիք են.

Պին ռեժիմներ և դրանց սկզբնական վիճակներ սահմանելու համար

Սերիական հաղորդակցության նախաստորագրում

BVSP դասը նախաստորագրելու համար

BVSMic դասը նախաստորագրելու համար

BVSSpeaker դասը նախաստորագրելու համար

Այն նաև սահմանում է BVSP դասի frameReceived, modeChanged և streamReceived իրադարձությունների համար «իրադարձությունների կառավարիչներ» (գործառույթի ցուցիչներ):

Քայլ 10: Օղակի գործառույթ

Այն իրականացնում է հինգ հիմնական գործողություն

1. keepAlive () գործառույթը

Այս գործառույթը սերվերից պահանջել կարգավիճակի մասին տեղեկություններ:

2. ստանալ () գործառույթը

Այս գործառույթն է `ստուգել ՝ սերվերը որևէ տվյալ ուղարկե՞լ է, թե՞ ոչ: Եթե սերվերը որևէ տվյալ է ուղարկել, այն կվերամշակվի:

3. isSREAvailable (), startRecording (), stopRecording () և sendStream () գործառույթները

Այս գործառույթներն օգտագործվում են աուդիո ձայնագրման տարբեր կարգավորումները վերահսկելու համար, և երբ այն հասնում է աուդիոին, այն կուղարկի BitVoicer սերվերին:

4. խաղալ () գործառույթը

Այս գործառույթը օգտագործվում է BVSSpeaker դասում հերթագրված աուդիո նվագարկելու համար:

5. playNextLEDNote ()

Այս գործառույթը օգտագործվում է վերահսկելու համար, թե ինչպես պետք է Led- ը թարթել:

6. BVSP_frameReceived գործառույթը

Այս գործառույթը կոչվում է ամեն անգամ, երբ ստացման () գործառույթը սկսում է նույնականացնել, որ մեկ ամբողջական շրջանակ է ստացվել: Այստեղ մենք գործարկում ենք BitVoicer Server- ից ստացված հրամանները: Հրամանները, որոնք վերահսկում են լուսադիոդների թարթումը, 2 բայթ են: Այդ ժամանակ մենք պետք է նաև ստուգենք, թե արդյոք ստացվել է playLEDNotes հրահանգը, որը բայթ տիպի է: Եթե այն ստացվել է, ես playLEDNotes- ը սահմանել եմ true և այն կհետևի և կնշի ընթացիկ ժամանակը: Այս ժամանակը կօգտագործվի playNextLEDNote գործառույթի կողմից ՝ LED- ները երգի հետ համաժամացնելու համար:

7. BVSP_modeChanged գործառույթը

Այս գործառույթը կանչվում է ամեն անգամ, երբ ստացման () գործառույթը որոշում է ռեժիմի փոփոխությունը ելքային ուղղությամբ (Server Arduino): BitVoicer Server- ը կարող է շրջանակային տվյալներ կամ աուդիո ուղարկել Arduino- ին: Նախքան հաղորդակցությունը մի ռեժիմից մյուսը անցնելը, BitVoicer Server- ը ազդանշան է ուղարկում: BVSP դասը նույնացնում է այս ազդանշանը և բարձրացնում կամ նշում է modeChanged իրադարձությունը: BVSP_modeChanged գործառույթում, եթե օգտագործողը նկատի, որ հաղորդակցությունը հոսքի ռեժիմից անցնում է շրջանակված ռեժիմի, նա կիմանա, որ աուդիոն ավարտվել է, որպեսզի օգտվողը կարողանա BVSSpeaker դասին ասել դադարեցնել աուդիո նվագարկումը:

8. BVSP_streamReceived գործառույթը

Այս գործառույթը կոչվում է ամեն անգամ, երբ ստացման () գործառույթը նույնականացնում է, որ աուդիո նմուշներ են ստացվել: Այն պարզապես վերցնում է ձայնը և հերթագրում դրանք BVSSpeaker դասի մեջ, որպեսզի play () գործառույթը կարողանա դրանք վերարտադրել:

9. playNextLEDNote գործառույթը

Այս գործառույթը գործարկվում է միայն այն դեպքում, եթե BVSP_frameReceived գործառույթը նույնացնում է playLEDNotes հրամանը: Այն վերահսկում և համաժամեցնում է LED- ները BitVoicer Server- ից ուղարկված ձայնի հետ: LED- ները աուդիոյի հետ համաժամեցնելու և ճիշտ ժամանակը իմանալու համար կարող է օգտագործվել Sonic Visualizer անվճար ծրագրակազմ: Այն թույլ է տալիս մեզ դիտել աուդիո ալիքները, որպեսզի մարդը կարողանա ասել, թե երբ է դաշնամուրի ստեղնը սեղմվել:

Քայլ 11. Ինչպե՞ս ներմուծել BitVoicer Server լուծման օբյեկտներ:

Այժմ մենք սահմանել ենք, որ BitVoicer Server- ը աշխատի Arduino- ի հետ:

BitVoicer սերվերի համար կան չորս հիմնական լուծման օբյեկտներ ՝ Տեղեր, Սարքեր, Երկուական Տվյալներ և Ձայնային սխեմաներ:

Եկեք մանրամասն նայենք դրանց

Տեղադրություններ

Այն ներկայացնում է այն ֆիզիկական վայրը, որտեղ սարքը տեղադրվում է:

Մենք կարող ենք ստեղծել մի վայր, որը կոչվում է Տուն:

Սարքեր

Նրանք համարվում են BitVoicer Server- ի հաճախորդներ:

Տեղադրության ստեղծման նման մենք կարող ենք ստեղծել Խառը սարք, հեշտության համար թույլ տվեք այն անվանել ArduinoDUE:

Երբեմն որոշ բուֆերային արտահոսքեր կարող են տեղի ունենալ, ուստի այն վերացնելու համար ես ստիպված էի սահմանափակել տվյալների փոխարժեքը հաղորդակցության պարամետրերում մինչև վայրկյանում 8000 նմուշ:

BinaryData- ն BitVoicer Server- ի հրամանի տեսակ է, որը կարող է ուղարկել հաճախորդի սարքեր: Դրանք իրականում բայթ զանգվածներ են, որոնք կարող եք կապել հրամանների հետ:

Երբ BitVoicer Server- ը ճանաչում է այդ հրամանի հետ կապված խոսքը, այն բայթ զանգվածն ուղարկում է նպատակային սարքին:

Այդ պատճառով ես ստեղծել եմ մեկ BinaryData օբյեկտ յուրաքանչյուր PIN արժեքի համար և դրանք անվանել ArduinoDUEGreenLedOn, ArduinoDUEGreenLedOff և այլն:

Այսպիսով, ես ստիպված էի ստեղծել 18 BinaryData օբյեկտ, ուստի ես առաջարկում եմ ձեզ ներբեռնել և ներմուծել օբյեկտները VoiceSchema.sof ֆայլից, որը տրված է ստորև:

Այսպիսով, ինչ է Ձայնային սխեման:

Ձայնային սխեմաներն այնտեղ են, որտեղ ամեն ինչ համախմբվում է: դրանց հիմնական դերը սահմանելն է, թե ինչպես պետք է ճանաչվեն նախադասությունները և որոնք պետք է գործարկվեն բոլոր հրամանները:

Յուրաքանչյուր նախադասության համար կարող եք սահմանել այնքան հրամաններ, որքան անհրաժեշտ է և դրանց կատարման կարգը:

Կարող եք նաև սահմանել ուշացումներ տրամադրված յուրաքանչյուր հրամանի միջև:

BitVoicer Server- ն աջակցում է միայն 8-բիթանոց մոնո PCM աուդիո (վայրկյանում 8000 նմուշ), այնպես որ աուդիո ֆայլը այս ձևաչափին փոխարկելու անհրաժեշտություն կլինի, այսօր շատ փոխակերպման առցանց վճարներ կան, և ես խորհուրդ եմ տալիս https://audio.online -convert.com/convert-to-wav:

Ստորև բերված ֆայլերից կարող եք ներմուծել (լուծման օբյեկտների ներմուծում) այն բոլոր լուծման օբյեկտները, որոնք ես օգտագործել եմ այս նախագծում:

Նրանցից մեկը պարունակում է DUE սարքը, իսկ մյուսը `Ձայնային սխեման և դրա հրամանները:

Քայլ 12: Եզրակացություն

Դե ուրեմն !!!

Դուք հիանալի նախագիծ եք պատրաստել և կարող եք խոսել դրա հետ:

Ուրեմն սկսեք խոսել ……………………

Կարող եք թարթել լուսադիոդները և միևնույն ժամանակ կարող եք ասել, որ այն երգի, եթե դրա կարիքը լինի, դրա կոդը արդեն տրամադրված է:

Այսպիսով, ես ավարտեցի իմ երկրորդ հրահանգը !!!!!!!!

Այո……

Կարծում եմ ՝ բոլորը դա հասկացան…

Եթե որևէ մեկը որևէ հարց ունի, խնդրում եմ ազատ զգալ հարցնել ինձ:

Հաջորդ անգամ ես հանդես կգամ հիանալի հրահանգով…

Yeտեսություն…

Կհանդիպենք շուտով ……………