開發(fā)者說 | 手語翻譯系統(tǒng)系列之使用旭日X3派實現(xiàn)實時語音轉(zhuǎn)寫

準備工作

• 硬件部分：旭日X3派，USB免驅(qū)攝像頭，電源適配器，燒錄Ubuntu系統(tǒng)的SD卡，USB揚聲器，顯示屏（或者VNC/SSH遠程連接）

• 軟件部分：Thonny IDE集成開發(fā)環(huán)境

注意：購買麥克風時要購買二合一的USB麥克風，切勿購買3.5mm耳機接口傳輸?shù)柠溈孙L。

首先更新軟件源和所有軟件，只需要使用快捷鍵ctrl+alt+T打開命令行，輸入以下命令，耐心等待即可。

# 更新軟件源 apt-get update # 更新升級所有軟件 apt-get upgrade

開發(fā)工具依然是沿用Thonny，作為一款輕量化的python集成開發(fā)環(huán)境，對新手十分友好，簡單易上手，后續(xù)安裝各種python依賴庫也相當方便。安裝完成后同樣是使用快捷鍵ctrl+alt+T打開命令行，輸入Thonny啟動，然后開始項目的重頭戲——安裝項目依賴庫，需要用到的第三方庫和版本如下，大家可以根據(jù)這個順序進行安裝，以免遺漏（也可以復制到一個新的txt文件利用pip一次性安裝）。

cffi==1.12.3 gevent==1.4.0 greenlet==0.4.15 pycparser==2.19 six==1.12.0 websocket==0.2.1 websocket-client==0.56.0

注意：有些庫安裝失敗的話代碼可能不會有高亮提示，但運行時會報錯，所以，出現(xiàn)報錯第一時間檢查第三方庫是否成功安裝。

本文著重介紹需要用到的Python標準GUI庫——Tkinter。

在Python程序中，Tkinter是Python的一個模塊，它可以像其他模塊一樣在Python交互式shell中（或者“.py”程序中）導入，導入Tkinter模塊后，就可使用Tkinter模塊中的函數(shù)、方法等進行GUI編程。同時，開發(fā)者也可以使用Tkinter庫中的文本框、按鈕、標簽等組件實現(xiàn)GUI開發(fā)。

首先，需檢查Tkinter是否成功導入，如運行無誤則說明導入成功，否之，則需要重新安裝Tkinter庫。

import tkinter

接著創(chuàng)建一個窗口，先使用http://tkinter.Tk生成一個主窗口對象，然后才能使用Tkinter模塊中其他的函數(shù)和方法等元素。生成主窗口以后才可以向里面添加組件，或者直接調(diào)用其mainloop()方法進行消息循環(huán)。示例如下：

import tkinter #導入Tkinter模塊 top = tkinter.Tk()#生成一個主窗口對象 top.mainloop()#進入消息循環(huán)

我們要有交互，就需要有組件。組件與窗口一樣，也是通過Tkinter模塊中相應的組件函數(shù)生成的。在生成組件以后，就可以使用pack、grid或place等方法將它添加到窗口中，以下示例給窗口增添兩個按鈕：

import tkinter #導入Tkinter模塊 root = tkinter.Tk()#生成一個主窗口對象 label= tkinter.Label(root, text="Python, tkinter!") label.pack()#將標簽添加到窗口中 button1 = tkinter.Button(root, text="按鈕1")#創(chuàng)建按鈕1 button1.pack(side=tkinter.LEFT)#將按鈕1添加到窗口中 button2 = tkinter.Button(root, text="按鈕2")#創(chuàng)建按鈕2 button2.pack(side=tkinter.RIGHT)#將按鈕2添加到窗口中 root.mainloop()#進入消息循環(huán)

至此，用Tkinter庫創(chuàng)建一個帶交互功能的窗口已經(jīng)完成，大家感興趣可以繼續(xù)學習其他組件，這里就不再贅述。

接下來進行云服務器部署，本項目選用云端語音平臺，登錄平臺后，通過右上角「控制臺」，或右上角下拉菜單的「我的應用」進入控制臺。如果賬戶未曾創(chuàng)建過應用，平臺會引導創(chuàng)建，創(chuàng)建完成后，便可通過左側的服務列表，選擇要使用的服務。

在服務管理面板中，將看到這個服務對應的可用量、歷史用量、服務接口的驗證信息，還有可以調(diào)用的API和SDK。值得注意的是，要將應用創(chuàng)建后生成的APPID，APISecret和APIKey去替換代碼中的APPID，APISecret和APIKey一定要一一對應，否則會影響代碼的正常運行！

def run(): global wsParam wsParam = Ws_Param(APPID='你的APPID', APIKey='你的APIKey',APISecret='你的APISecret') websocket.enableTrace(False) wsUrl = wsParam.create_url() ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close) ws.on_open = on_open ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE}, ping_timeout=2)

隨后選擇需要的語種和服務即可，支持除中文和英語外的51種外語，24種方言和1種民族語言。

實現(xiàn)原理

本項目主要就是利用python程序錄制本地mp3格式的用戶音頻，并將音頻上傳到云端語音平臺進行實時轉(zhuǎn)寫，最后利用GUI庫在屏幕上展示轉(zhuǎn)寫結果（云端語音平臺翻譯文本的方法和窗口的實現(xiàn)，點擊文末閱讀原文即可獲取）。

效果展示

結果顯示，本項目對本地資源占用較小，得益于旭日X3派的高算力和高性能，溫度的控制讓人十分滿意（和上一個項目手語翻譯終端同時運行也沒有問題）。

性能測試

系統(tǒng)測試方案：將程序?qū)胄袢誜3派中，接入電源后等待初始化完成，在安靜的室內(nèi)環(huán)境下，在麥克風前分別測試普通話，英語，方言（東北話/四川話），將轉(zhuǎn)寫終端實時轉(zhuǎn)寫的準確率記錄，同時將識別的總時長記錄收集。

測試數(shù)據(jù)如下：

結果分析：接收到語音信息后到完成轉(zhuǎn)寫結果的顯示總時長在0.5秒之內(nèi)，可基本實現(xiàn)實時轉(zhuǎn)譯，對普通話和英文以及51種外語，24種方言和1種民族語言的識別率在95%以上。

結論：實現(xiàn)語音轉(zhuǎn)寫除了支持普通話和英語外，支持51個外國語種（包括日語、俄語、泰語、捷克語等常用語種）、24種方言（包括四川話、廣東話、河南話、上海話，閩南語等常用方言），另外，還支持一種民族語言（彝語），真正做到無障礙溝通交流。

本文轉(zhuǎn)自地平線開發(fā)者社區(qū)
原作者：鑫辰大海王