Управление Умным Домом с помощью голоса

[Andrey_B]

russoft, понятно. Значит rec не может определить наличие тишины.
Попробуйте изменить параметры "Threshold" (в статье его значение равно 0.3%) в сторону увеличения
По поводу определения тишины неплохая статья на эту тему.

[russoft]

ой... не увидел Вашего ответа....... добился выполнения скрипта (но построчно) дополнил пред. свое сообщение. Спасибо сейчас попробую поменять и почитать

[mef-t]

Господа, кто нибудь мне может рассказать, подойдет ли для этих целей микрофон шорох с различными вариациями (6,7,8).
Мне показалось, что он должен точнее обрабатывать сигнал, и с ним меньше шума. Но есть сомнения.
Кто в этом разбирается, кто что может сказать?

[Andrey_B]

Нет ничего проще. Нужно купить Шорох-8, благо цена относительно гуманная, и попробовать.
Было бы интересно почитать о таком опыте.

[sergejey]

Вставлю свои 5 копеек, если позволите

По тому же принципу, но немного другими средствами реализовал голосовое управление в своей системе. Я использую телефон на Android, а на нём бесплатную программку Extended Search (Lite) -- это программа поиска, которая может принимать поисковый запрос голосом и настраиваться на любой поисковый движок. В качестве поискового движка я подсунул свой скрипт и теперь могу голосовые команды отправлять в свою систему.

Решение не очень изящное, т.к. требует наличие под рукой телефона, но получилось очень быстро и достаточно надёжно.

[ArtSamovar]

Хм... Посмотрел про узконаправленные микрофоны... http://orszag.narod.ru/Croco17.htm Как правильно понял из того, что там напиано, микрофон игнорирует звуки, вне его действия. Таким образом повесив микрофон грубо говоря над холодильником или плитой на кухне и направить его чуть выше, то он будет игнорировать шумы от плиты, холодильника, шипения масла на сковороде и т.д. Нам же будет только повернуть голову в его сторону и произнести команду. Есть системы обратного действия, используют в библиотеках (discavery 2008 год), там звук направленный, то есть из всей толпы народа, слышит только тот на кого направленно. Принцип микрофонов в нашем случае точно такой же. Его надо заставить слушать определенный участок, исключая зоны бытовых шумов, такие как входная дверь, плита, телевизор и т.д.

[ArtSamovar]

Так же поставить фильтр. от 75 до 1100Герц это диапозон человеческого голоса... Можно уменьшить как слева, так и справа (подгонять под себя). Есть также куча програм, которые из песен делают минуса (звук без голоса, и наоборот) их можно использовать для распознования команд при играющей музыке. Что бы провод не фонил, придется раскошелиться на специальные звуковые кабели (система слишком чувствительна, другой ей не быть), обычные экрвнки не пойдут... (
Или идти другой дорогой. Не делать микрофон чувствительным и распологать его (их) в местах где ближе всего голова к предмету... Здесь же можно соединить высокочувствительный и низкочувствительный, посылать запрос средним значением частоты (теоретически это разборчивый голос на монотонном шуме, который гугл отсеит) Примерно на этом основан голосовой поиск на смартах. рядом играла музыка и разговаривали друзья, запрос я делал с расстояния 30-40 см... ошибся он на окончание прилагательного, но 90% слова отличный результат.

[ArtSamovar]

только что, эксперимент провел... google удивлят. использовал смарт lg p 500 и стандартный голосовой поиск. Положил смарт на стол (затем кровать, линолиум, гипсокартон) нажал кнопку микрофона и с расстояния в полметра(!) обычным разговорным голосом произносил фразы: человек, поиск, антонина, карбюратор. Одновременно руками создавал помехи громче голоса (удары о поверхность, как в ритме, так и хаотично, шуршание, хлопки, щелчки пальцами).
Результаты заставили расплыться в улыбке... примерно 80% результат верный!
Есть предложение использования микрофонов от телефонов и поискать простейшие усилители на транзисторах... (ведь если так подумать, то голос со сцены какого-то ведущего около кулис звучит без шума изза кулис с обычного микрофона, то мобильный телефон слышит тот закулисный шум) Плюсом так же является его микроразмерность, так пояему бы не попробывать его? Иногда человека тихо и спокойно разговаривающего не слышно на том конце трубки, а слышно как закрывается дверь автобуса,электрички и т.д. (сила звука играет роль, ясно дело) Но лично меня этот факт удивил, что обычный слышит и разбирает, что самое важное непосредственно вблизи, а мобильный на довольно не плохом расстоянии...
Надо будет попробывать.

[admiral]

Andrey_B, у меня есть вопрос: из вашей статьи "Управление голосом. Распознавание русской речи" я так понял, что все более или менее длинные фразы отсылаются в Google?
Вы писали, что пробовали вначале программу CMU sphinx 0.6.1, но были не очень удовлетворены ее качеством распознавания. Может реально ее настроить так, что бы она отлично распознавала одну единственную фразу "Дядя Ваня"?
Тогда получится, что только команды для умного дома будут отсылаться в Google.

[Andrey_B]

admiral, теоретически это возможно. Практически... нужно стать полноценном участником этого проекта, наполнять речевую базу, заниматься словарями. То есть это будет не настройка, а работа в проекте. Можно натренировать на свой голос, но с другим голосом либо не будет работать, либо будет работать плохо.

[admiral]

admiral, теоретически это возможно. Практически... нужно стать полноценном участником этого проекта, наполнять речевую базу, заниматься словарями. То есть это будет не настройка, а работа в проекте. Можно натренировать на свой голос, но с другим голосом либо не будет работать, либо будет работать плохо.

Так достаточно натренировать на голоса своей семьи. А остальным - нечего управлять чужим домом.

[admiral]

Просто даже в телефонах есть голосовой набор номера. Он настраивается на конкретный голос и на конкретную фразу. Не может быть, что бы для компьютеров не было аналогичной программы.

[Ilya]

Андрей, добрый день! Занялся реализацией голосового управления) И как всегда все не проходит гладко) Я тот самый счастливый обладатель intel hda Однако я поставил debian squeeze, Alsa не переустанавливал, как я понял у меня 23я версия. Сразу ничего не заработало, но после манипуляций с ползунками в консольном alsamixer заработал микрофонный вход, почему-то в микшере он назывался "digital"
Вроде бы все хорошо, НО. С связка мкэ-3 и компьютерного усиления меня не устроила) Либо нужно каздый раз тянуться к микрофону - либо шумы усиления...
На днях решил прикупить корпус для сервера и шорох-7, тут-то и возникла моя загвоздка,1) микрофонный вход на лицевой панели не работает, ровно как и выход... 2) как я понял, шорох-7, будучи активным микрофоном с АРУ, пихать в микрофонный вход нет смысла - идет дикий перегруз . Воткнул его в свой макбук он определил его как линейный источник и это просто сказка))) отчетливо слышно, что говорят в другой комнате) НО как заставить работать линейный вход intel HDA??? в микшере нет о нем даже и слова( поможет-ли переход на 24ю версию? и если да - то можете-ли описать процесс переустановки пошагово, а то я не совсем понял что качать от туда... на alsa-project.org/ много всего с версией 1.0.24* Спасибо! если заведется - отпишусь о впечатлении от "шорока + debian"

[Andrey_B]

Илья, чем отличается Mac от PC? В Mac воткнул и... работает, правда? А тут мучайся...

Поставить alsa 1.0.24 на Debian Squeeze не так просто как кажется.
Вариант 1. Идем напролом.
Скачиваем alsa-driver, alsa-lib, alsa-tools
По каждому архиву делаем
tar -xvzf
./configure
make
make install
Таким образом мы просто ставим новую версию поверх старой. Вандализм, безобразие и хулиганство!
Вариант 2. Для тщедушных.
Все как в варианте №1, только сначала пытаемся выковырять 1.0.23 из системы
Смотрим какие пакеты установлены:
dpkg -l | grep alsa
С помощью apt-get remove или dpkg удаляем пакеты
Они не удаляются, так как тянут зависимости. Используем различные флаги типа --force-yes, --nodeps и прочее, чтобы игнорировать зависимости.

[karimm]

есть такая вещь Виртуальный ассистент Siri для iPhone4$
её научили управлять температурой в доме
http://www.iguides.ru/forum/showthread.php?t=39559

[Ilya]

Андрей, спасибо за совет) разобрался! Сначала пошел по второму способу, пытался удалять, но после неудачных попыток плюнул и пошел напролом) первым способом поставил 24 версию поверх, однако при компиляции указал еще "hda intel" (за наводку спасибо одному форуму по убунту, благо там все одно и тоже) все входы определились! Микрофон шорох-7 слышит просто идеально) ( на мой взгляд) однако еще буду играться с " определением тишины" тк как я понял прикол шороха в том что он пытается дать одинаковый уровень звука как для шепота, так и для крика))) но плюс в том, что отчетливо слышит, со второго этажа, что происходит на первом)
Не разобрался в одном: теперь у меня два выхода: один на задней панели, а другой на передней, так вот когда я включаю колонки в выход на задней панели, звук с шороха идет и на запись и в колонки (можно ли это каким-то образом устранить?) а когда в выход на передней- шорох идет в запись, а в колонки лишь тот звук, который воспроизводится...

Поповоду предыдущего поста, (сам хотел эту новость озвучить, опередили)) будучи любителем яблочных игрушек, думаю, не плохой бонус к гугловскому сервису, но только, как удобный бонус ИМХО. Не у всех членов семьи айфоны 4s, да если и имеются, то не всем удобно таскать мобилу с собой в кармане, когда нужно реально будет что-то сказать- мобила будет лежать на другом этаже/комнате... Будет проще сделать действие вручную))) Это мысли, хотя для меня очень не плохая альтернатива, ибо я из тех, кто расстаться с телефоном не может))) подумываю обновляться на 4s)))

[Andrey_B]

Илья, насчет специфики работы передних и задних разъемов подсказать ничего не могу. У меня Linux только на сервере, а там все как-то через зад. На десктопах у меня Windows
Наверное стоит покрутить консольный микшер (я почему-то ему больше доверяю). В любом случае будет интересно узнать чем дело кончилось.

Насчет действия вручную. Наверное, вы уже видели новость про Токийскую группу исследователей, которая создала прототип системы, отслеживающий характерные жесты пользователя. То есть управлять устройствами можно ведь не только голосом и звуком, но и жестами. Как знать, если человек произошел от обезьяны, может быть язык жестов - это более естественно.
Люди чаще стали предпочитать виртуальное общение живому, а тач-скрин - тач-скину. Скоро достаточно будет приседая проговорить "у-угу-гу" (вспоминается "Полосатый рейс"), а все остальное сделает система. До восстания машин дело не дойдет

[dmt]

А мне больше Киндзадза в связи с последними безумиями технологий приходит на ум. Пластиковая каша, визаторы, транкглюкаторы и различные беспилотные гравицапы уже есть... Так что, скоро будем вместо Здравствуйте - Ку говорить, а из морей луц сделаем...

[vtec]

Нарыл: kinect + ubuntu + голос.
Прикольно. Так может на что нибудь ещё подтолкнет
http://www.youtube.com/watch?v=fQ59dXOo63o

[ArtSamovar]

Хотелось бы поговорить по поводу голоса... Есть фестиваль и это хорошо, в нем фразы строятся на ударениях, силе предложения, вопросительное или восклицательное... Но есть особенность, голос мужской и работает только русский... Я снова, копавшись со своим Googl'офоном, решил скачать переводчик. Раньше внимания не обращал на........ на то, что переведенный текст может проговорить женский голос. Да к тому же на разных языках!
Что я заметил, голос читает не русский, а транслит русского. Privet, men'ya zovut.... На основе этого открываются довольно широкие возможности )) Читает цифры, делает легкие паузы на запятых, говорит на разных языках мира ))) Единственное, мне пока не известно про API этой службы всемогущего Googl'а. Принцип работы, обратный голосовому поиску.
Может вас это заинтересует )))

P.S. До компа сам только через 2.5 недели, да и до дома доберусь тоьько через это время...