¡Hola amigos! En esta ocasión, nos complace presentarles una solución sencilla para el reconocimiento de voz en tiempo real utilizando Python y PocketSphinx. Con esta tecnología, podrás experimentar la magia de convertir tu voz en texto de manera instantánea.

Para comenzar, debemos descargar las librerías base Sphinxbase y Pocketsphinx. Para ello, seguiremos unos simples pasos. Abrimos la consola y escribimos los siguientes comandos:

sudo apt install autoconf libtool automake bison python-dev swig libpulse-dev
mkdir sphinx
cd sphinx
git clone https://github.com/cmusphinx/sphinxbase
git clone https://github.com/cmusphinx/pocketsphinx

Posteriormente, procederemos a instalar las librerías en nuestro sistema: 

cd sphinxbase
./autogen.sh
make
sudo make install

cd ../pocketsphinx
./autogen.sh
make
sudo make install

¡Excelente! Ahora instalaremos la interfaz que nos permitirá utilizar PocketSphinx con Python. Asegúrate de tener la última versión de setuptools y wheel instalada ejecutando los siguientes comandos:

pip install --upgrade pip setuptools wheel
pip install --upgrade pocketsphinx

Una vez completados estos pasos, agregaremos el idioma español a nuestro reconocimiento de voz. Para ello, nos dirigimos a la siguiente dirección: [enlace a la dirección]. Descargaremos los siguientes archivos: cmusphinx-es-5.2.tar.gz, es-20k.lm.gz, es.dict.

Descomprimimos los archivos cmusphinx-es5.2.tar.gz y es-20k.lm.gz. Estos archivos contienen los modelos y el diccionario que utilizaremos para el idioma español.

Cabe recalcar que utilizaremos el modelo de Hidden Markov Models [1][2].

A continuación, abrimos la consola nuevamente y ejecutamos el siguiente comando para obtener la dirección en la que debemos guardar los archivos recién descomprimidos. Antes de eso, realizaremos algunos cambios: renombraremos el archivo es-20k.lm a es-20k.lm.bin. Luego, ingresaremos a la carpeta cmusphinx-es-5.2 y encontraremos una subcarpeta llamada model_parameters que contiene una carpeta similar a voxforge_es_sphinx.cd_ptm_4000. La renombraremos como es-es.

Finalmente, copiamos el archivo y la carpeta renombrados (es-20k.lm.bin y es-es) en la dirección del modelo, junto con el archivo es.dict.

¡Ya estamos listos para probar nuestro script! Abrimos Atom o tu editor de texto favorito y copiamos el siguiente script. También puedes descargarlo desde nuestro repositorio en GitHub: Click Aqui.

import os
from pocketsphinx import LiveSpeech, get_model_path

model_path = get_model_path()
print(model_path)

speech = LiveSpeech(
    verbose=False,
    sampling_rate=16000,
    buffer_size=2048,
    no_search=False,
    full_utt=False,
    hmm=os.path.join(model_path, 'es-es'),
    lm=os.path.join(model_path, 'es-20k.lm.bin'),
    dict=os.path.join(model_path, 'es.dict')
)

for phrase in speech:
    print(phrase)

¡Genial! Ahora solo debes ejecutar el script y disfrutar del reconocimiento de voz en tiempo real con PocketSphinx. Podrás ver los resultados en la consola.

Esperamos que esta solución haya sido de tu agrado. Recuerda que en EÓN estamos comprometidos con la innovación tecnológica y seguimos explorando nuevas formas de mejorar nuestras interacciones con la voz.

¡Hasta la próxima!

Bibliografía: