音声認識インターフェース¶

Speech Recognition Interface

ウェイクアップ単語を検出するための音声認識アプリケーションのセットアップは、以下に示すパイプラインにリンクされた一連のオーディオ要素を使用して行うことができます。

Setting up the speech recognition application to detect a wakeup word may be done using series of Audio Elements linked into a pipeline shown below.

Sample Speech Recognition Pipeline¶

特定の要素の構成と使用法は、このドキュメントの他の場所にリンクされているいくつかの例で示されています。明確にする必要があるのは、フィルターとRAWストリームの使用です。フィルタは、音声認識モデルのサンプルレートに一致するようにI2Sストリームのサンプルレートを調整するために使用されます。 RAWストリームは、オーディオ入力をモデルに供給する方法です。

Configuration and use of particular elements is demonstrated in several examples linked to elsewhere in this documentation. What may need clarification is use of the Filter and the RAW stream. The filter is used to adjust the sample rate of the I2S stream to match the sample rate of the speech recognition model. The RAW stream is the way to feed the audio input to the model.

以下のコードスニペットは、モデルを初期化し、モデルにフィードする音声データのサンプル数とサンプルレートを決定し、ウェイクアップワードを検出する方法を示しています。

A code snippet below demonstrates how to initialize the model, determine the number of samples and the sample rate of voice data to feed to the model, and detect the wakeup word.

#include "esp_wn_iface.h"
#include "esp_wn_models.h"
#include "rec_eng_helper.h"

esp_wn_iface_t *wakenet;
model_coeff_getter_t *model_coeff_getter;
model_iface_data_t *model_data;

// Initialize wakeNet model data
get_wakenet_iface(&wakenet);
get_wakenet_coeff(&model_coeff_getter);
model_data = wakenet->create(model_coeff_getter, DET_MODE_90);

// Set parameters of buffer
int audio_chunksize = wakenet->get_samp_chunksize(model_data);
int frequency = wakenet->get_samp_rate(model_data);
int16_t *buffer = malloc(audio_chunksize * sizeof(int16_t));

// Get voice data feed to buffer
...

// Detect
int r = wakenet->detect(model_data, buffer);
if (r > 0) {
    printf("Detection triggered output %d.\n",  r);
}

// Destroy model
wakenet->destroy(model_data)

アプリケーション例¶

Application Example

音声認識APIの実装は、speech_recognition/asrの例で示されています。

Implementation of the speech recognition API is demonstrated in speech_recognition/asr example.

APIリファレンス¶

API Reference

最新のAPIリファレンスについては、Espressif音声認識リポジトリを参照してください。

For the latest API reference please refer to Espressif Speech recognition repository.