3

我正在尝试创建一个小型 Python 脚本，该脚本将通过网络接收音频流，通过 pocketspinx 提供它以将语音转换为文本并根据 pocketsphinx 的输出运行一些命令。

我已经在 Ubuntu 15.10 vm 上安装了 sphinxbase 和 pocketsphinx (5prealpha)，并且能够在 Python 中正确处理示例音频文件（pocketsphinx 安装的一部分）的内容。所以我有理由确定我的 sphinx 安装工作正常。不幸的是，测试 python 脚本无法处理连续音频并使用本机 pocketsphinx API。根据 cmusphinx 网站，我应该使用 gstreamer 进行连续翻译。不幸的是，关于如何在 Python 中将 pocketsphinx 与 gstreamer 一起使用的信息非常有限。根据我可以找到的示例，我拼凑了以下脚本。

import gi
gi.require_version('Gst', '1.0')
from gi.repository import GObject, Gst
GObject.threads_init()
Gst.init(None)

def element_message( bus, msg ):
         msgtype = msg.get_structure().get_name()
         if msgtype != 'pocketsphinx':
                 return
         print "hypothesis= '%s'  confidence=%s\n" % (msg.get_structure().get_value('hypothesis'), msg.get_structure().get_value('confidence'))

pipeline = Gst.parse_launch('udpsrc port=3000 name=src caps=application/x-rtp ! rtppcmadepay name=rtpp ! alawdec name=decoder ! queue ! pocketsphinx name=asr ! fakesink')

asr = pipeline.get_by_name("asr")
asr.set_property("configured", "true")

bus = pipeline.get_bus()
bus.add_signal_watch()
bus.connect('message::element', element_message)

pipeline.set_state(Gst.State.PLAYING)

# enter into a mainloop
loop = GObject.MainLoop()
loop.run()

发送方如下所示：

import gobject, pygst
pygst.require("0.10")
import gst

pipeline = gst.parse_launch('alsasrc ! audioconvert ! audioresample ! alawenc ! rtppcmapay ! udpsink  port=3000 host=192.168.13.120')
pipeline.set_state(gst.STATE_PLAYING)
loop = gobject.MainLoop()
loop.run()

这应该从网络接收一个 udp 流，将其输入到 pocketsphinx 并将输出打印到终端。如果我更换'队列！口袋狮身人面像！fakesink 部分由 'wavenc ！filesink'，我确实得到了一个内容正确的有效音频文件，所以我知道网络发送部分工作正常。（我的测试机器上没有音频，所以我无法使用本地音频源进行测试）。

当我启动脚本时，我看到了 pocketspinx 配置，但是脚本似乎不再做任何事情了。当我使用 GST_DEBUG=*:4 启动脚本时，我看到以下输出：

0:00:04.789157687  2220      0x86fff70 INFO               GST_EVENT gstevent.c:760:gst_event_new_segment: creating segment event time segment start=0:00:00.000000000, offset=0:00:00.000000000, stop=99:99:99.999999999, rate=1.000000, applied_rate=1.000000, flags=0x00, time=0:00:00.000000000, base=0:00:00.000000000, position 0:00:00.000000000, duration 99:99:99.999999999
0:00:04.789616981  2220      0x86fff70 INFO                 basesrc gstbasesrc.c:2838:gst_base_src_loop:<src> marking pending DISCONT
0:00:04.789995780  2220      0x86fff70 INFO               GST_EVENT gstevent.c:760:gst_event_new_segment: creating segment event time segment start=0:00:00.000000000, offset=0:00:00.000000000, stop=99:99:99.999999999, rate=1.000000, applied_rate=1.000000, flags=0x00, time=0:00:00.000000000, base=0:00:00.000000000, position 0:00:04.079311489, duration 99:99:99.999999999
0:00:04.790420834  2220      0x86fff70 INFO               GST_EVENT gstevent.c:679:gst_event_new_caps: creating caps event audio/x-raw, format=(string)S16LE, layout=(string)interleaved, rate=(int)8000, channels=(int)1
0:00:04.790851965  2220      0x86fff70 WARN                GST_PADS gstpad.c:3989:gst_pad_peer_query:<decoder:src> could not send sticky events
0:00:04.791258320  2220      0x86fff70 WARN                 basesrc gstbasesrc.c:2943:gst_base_src_loop:<src> error: Internal data flow error.
0:00:04.791572605  2220      0x86fff70 WARN                 basesrc gstbasesrc.c:2943:gst_base_src_loop:<src> error: streaming task paused, reason not-negotiated (-4)
0:00:04.791917073  2220      0x86fff70 INFO        GST_ERROR_SYSTEM gstelement.c:1837:gst_element_message_full:<src> posting message: Internal data flow error.
0:00:04.792305347  2220      0x86fff70 INFO        GST_ERROR_SYSTEM gstelement.c:1860:gst_element_message_full:<src> posted error message: Internal data flow error.
0:00:04.792633841  2220      0x86fff70 INFO                    task gsttask.c:315:gst_task_func:<src:src> Task going to paused

根据我在谷歌上搜索的信息和示例，我不明白出了什么问题。

任何帮助将不胜感激。

尼科

4

2 回答 2

1

Gstreamer 元素需要 16000 khz 音频，您正在尝试通过 8000。您必须修改 pocketsphinx 源以在 pocketsphinx 元素中启用 8000。您需要更新元素规格率、pocketsphinx 的采样率配置参数和声学模型。

或者，您需要通过网络发送宽带音频。在这种情况下，您不应该使用 alaw 编解码器。

于 2016-02-06T09:38:08.353 回答
1

事实证明，要正确设置 gstreamer 管道有点麻烦。正如 Nikolay 指出的那样，pocketsphinx 5 默认需要 16000kHz 音频，不幸的是，使用 gstreamer 通过网络发送 16000kHz 并不是一件容易的事（对我来说）。因此，如果您碰巧正在寻找类似的东西，那么这最终对我有用：

发送方：

import gi
gi.require_version('Gst', '1.0')
from gi.repository import GObject, Gst
GObject.threads_init()
Gst.init(None)

pipeline = Gst.parse_launch('alsasrc ! audioconvert ! audio/x-raw,channels=1,depth=16,width=16,rate=16000 ! rtpL16pay  ! udpsink port=3000 host=192.168.13.120')    
pipeline.set_state(Gst.State.PLAYING)

loop = GObject.MainLoop()
loop.run()

接收方：

import gi
gi.require_version('Gst', '1.0')
from gi.repository import GObject, Gst
GObject.threads_init()
Gst.init(None)

def element_message( bus, msg ):
    msgtype = msg.get_structure().get_name()
    print "hypothesis= '%s'  confidence=%s\n" % (msg.get_structure().get_value('hypothesis'),msg.get_structure().get_value('confidence'))

pipeline = Gst.parse_launch('udpsrc port=3000 name=src ! application/x-rtp,media=(string)audio, clock-rate=(int)16000, width=16, height=16, encoding-name=(string)L16, encoding-params=(string)1, channels=(int)1, channel-positions=(int)1, payload=(int)96 ! rtpL16depay ! audioconvert ! pocketsphinx name=asr ! fakesink')
asr = pipeline.get_by_name("asr")
asr.set_property("dict", "/usr/local/share/pocketsphinx/model/en-us/cmudict-en-us.dict")
asr.set_property("lm","/usr/local/share/pocketsphinx/model/en-us/en-us.lm.bin")
asr.set_property("hmm","/usr/local/share/pocketsphinx/model/en-us/en-us/")
asr.set_property("configured", "true")

bus = pipeline.get_bus(
bus.add_signal_watch()
bus.connect('message::element', element_message)

pipeline.set_state(Gst.State.PLAYING)

loop = GObject.MainLoop()
于 2016-02-17T20:25:35.837 回答