我一直在开发一个类似于 Siri 或 Amazon Echo 的小型语音识别程序，它可以让我简化家中的一些小任务。我对 bash 非常陌生，因此我需要一些帮助，以减少将连续数据流向 Google Speech To Text 服务器的必要性。目前，我每三秒录制一个新的音频文件并将其发送到谷歌服务器进行翻译。这种方法似乎效率很低。这部分代码如下所示。
while :
do
trap CTRLc INT
echo "[speech-recog]: Recording"
(arecord -D $hardware -q -f S16_LE -d $duration -r 16000 | flac - -f --best --sample-rate 16000 -o /dev/shm/out.flac 1>/dev/shm/voice.log 2>/dev/shm/voice.log; curl -s -X POST$
sleep $sleepduration
echo "[speech-recog]: Recording"
(arecord -D $hardware -q -f S16_LE -d $duration -r 16000 | flac - -f --best --sample-rate 16000 -o /dev/shm/out.flac 1>/dev/shm/voice.log 2>/dev/shm/voice.log; curl -s -X POST$
sleep $sleepduration
done
相反，我假设触发这个脚本语音会大大减少我网络上的互联网流量。通过语音触发，我的意思是它在听到特定音量或更高音量的声音时开始录制音频以发送给 Google。如果有人可以就我应该如何创建这个声音触发器或简单地减少对这些服务器的请求数量提供任何建议，那将非常有帮助。
此外，当前方法会导致某些音频被拆分为两个或多个文件，因为录音可能在扬声器开始之前的任何时间开始。在听到声音时触发录音也可以解决这个问题。
欢迎任何与我的代码相关的建议。如果需要任何进一步的信息，请在评论中提出要求，我很乐意为您提供您需要知道的任何信息。如果您对我的问题有任何疑问，请发表评论，以便我知道以后不要犯这个错误。bash 脚本如下所示。
注意：此脚本的目的是将来自 Google Speech to Text 服务器的响应写入名为“SpeechLog.txt”的文件中
语音识别.sh
#!/bin/bash
hardware="plughw:1,0"
duration="3"
sleepduration="3.05"
lang="en"
hw_bool=0
dur_bool=0
lang_bool=0
CTRLc() {
echo "[speech-recog]: Terminating Faide master script. Are you sure (yes/no)?"
read ShouldQuit
if [ ${ShouldQuit^^} = "YES" ]
then
echo "[speech-recog]: Confirmation accepted, terminating script"
sudo python3 Cleanup.py
kill $$
else
echo "[speech-recog]: Denial accepted. Exiting confirmation request"
clear
echo "[speech-recog]: Listening..."
fi
}
for var in "$@"
do
if [ "$var" == "-D" ] ; then
hw_bool=1
elif [ "$var" == "-d" ] ; then
dur_bool=1
elif [ "$var" == "-l" ] ; then
lang_bool=1
elif [ $hw_bool == 1 ] ; then
hw_bool=0
hardware="$var"
elif [ $dur_bool == 1 ] ; then
dur_bool=0
duration="$var"
elif [ $lang_bool == 1 ] ; then
lang_bool=0
lang="$var"
else
echo "[speech-recog]: Invalid option, valid options are -D for hardware and -d for duration"
fi
done
CheckFile() {
LineCount=`cat SpeechLog.txt | wc -l`
if [ $LineCount -gt 1 ]
then
sudo rm /dev/shm/out.flac
sudo python3 VoiceMain.py
fi
}
clear
echo "[speech-recog]: Speech recognition initialized"
echo "[speech-recog]: Listening..."
while :
do
trap CTRLc INT
echo "[speech-recog]: Recording"
(arecord -D $hardware -q -f S16_LE -d $duration -r 16000 | flac - -f --best --sample-rate 16000 -o /dev/shm/out.flac 1>/dev/shm/voice.log 2>/dev/shm/voice.log; curl -s -X POST$
sleep $sleepduration
echo "[speech-recog]: Recording"
(arecord -D $hardware -q -f S16_LE -d $duration -r 16000 | flac - -f --best --sample-rate 16000 -o /dev/shm/out.flac 1>/dev/shm/voice.log 2>/dev/shm/voice.log; curl -s -X POST$
sleep $sleepduration
done