Tutorial?

音声認識 †

ここではSIGVerseで音声認識を行う方法を説明します。

※NIIサーバではSIGVerseのバージョン101104以降で正常に動作します。また、音声認識を行うためには、SIGVerseのインストール時にJulius（音声認識を行うソフト）やdictation-kitの場所を指定する必要があります。指定方法はこちら

↑

音声データ（waveファイル）の音声認識 †

ここではあらかじめ用意されているサンプルの音声データ（waveファイル）を音声認識してみたいと思います。

↑

コントローラ作成 †

音声データを受け取り、音声認識を行うエージェントのコントローラを作成します。

$ cd ~/sigverse-<version>/bin/NewWorld
$ emacs soundRecog.cpp

soundRecog.cpp

#include <Controller.h>
#include <ControllerEvent.h>
#include <RawSound.h>
#include <Logger.h>
#include <Text.h>


class AgentController : public Controller
{
public:

  //音声データを受け取った時に呼出される関数onRecvSoundの利用を宣言します。
  void  onRecvSound(RecvSoundEvent &evt);
};

void AgentController::onRecvSound(RecvSoundEvent &evt)
{
  //音声データを取得します。
  RawSound * sound = evt.getRawSound(); 

  // 音声認識結果をテキストで取得します。
  Text * text = getText(*sound);
  if (text) { 

    // 音声認識結果を表示します。
    const char * str = text->getString();
    LOG_MSG(("text : %s", str));

    // 必要なくなったらテキストデータをdeleteします。
    delete text;
  }

}

extern "C"  Controller * createController ()
{
  return new AgentController;
}
↑

コンパイル †

Makefileを修正します。

$ emacs Makefile

オブジェクトファイルの指定のところをsoundRecog.soを指定します。

#オブジェクトファイルの指定
OBJS     = soundRecog.so
filemakefile_sound

コンパイルします。

$ make
↑

世界ファイル作成 †

$ cd ..
$ emacs xml/soundRecog.xml
<?xml version="1.0" encoding="utf8"?>
<world name="VisTest2">

  <gravity x="0.0" y="-9.8" z="0.0"/>

<!--音声データ受信エージェントRobot-niiの設定-->
  <instanciate class="Robot-nii.xml"> 

        <set-attr-value name="name" value="robot_000"/>
        <set-attr-value name="language" value="c++"/> 

<!--音声データ受信者のコントローラ指定-->
        <set-attr-value name="implementation"
value="./NewWorld/soundRecog.so"/>

<!--動力学演算をfalseに設定-->
        <set-attr-value name="dynamics" value="false"/>

<!--エージェントの位置(x,y,z)-->
       <set-attr-value name="x" value="0.0"/>
       <set-attr-value name="y" value="60.0"/>
       <set-attr-value name="z" value="-60.0"/>

</instanciate>

これで準備完了です。

↑

SIGVerse,Juliusの起動 †

まずSIGVerseを起動します。

$ ./sigserver.sh -p 9001 -w soundRecog.xml $

次にJuliusを起動します。エンターキーを押してコマンドを続行します。

$ ./sigjsp.sh -p 9001

sigjsp.shというシェルスクリプトでJuliusを起動します。また、シミュレーションサーバが起動しているポート番号を-pオプションで指定してJuliusが起動したことを知らせます。

以下のようなメッセージが表示されればJuliusは正常に起動しています。

Stat: adin_tcpip: waiting connection...
===================================
  julius adinnet port connect ok!
Stat: server-client: connect from 127.0.0.1
Stat: adin_tcpip: connected
===================================
***************************************
***   julius successfully started   ***
***************************************
*******************************************************
  connect to SimServer (localhost:9111) ok
*******************************************************
clerkName (socio.iir.nii.ac.jp)
send COMM_REQUEST_PROVIDE_SERVICE ok
waiting for connection ... (accept sock: 7)
[SYS]  socio.iir.nii.ac.jp:7500  : service provider
[SYS]  127.0.0.1 connected
↑

SIGViewerから音声データの送信 †

SIGVerse,Juliusが起動している状態で、クライアント側でSIGViewerを起動し、サーバに接続します。接続が完了するとロボット型エージェントが立っているのが見えると思います。

次にSIM_STRL_CMDがSTARTとなっている状態で、"send"ボタンを押してシミュレーションを開始し、右上にあるCommandタブをクリックします。一番上の入力欄はgeneralとvoiceを選択できるようになっています。ここではvoiceを選択します。次に"送信対象選択"ボタンをクリックしてロボット型エージェントをクリックします。次に"Send Voice"ボタンをクリックします。

sound_1.jpg

送信する音声データを選択するダイアログが表示されるので、SIGViewerをインストールしている場所、デフォルトでは

C:\Program Files\SIGViewer_<version>\SIGViewer\release

にあるsample.wavを選択して、音声データを送信します。 すると以下のようなメッセージが表示され、 "貧乏参考ください"という音声認識結果が表示されると思います。

connection accepted. (sock=8)
waiting for connection ... (accept sock: 7)
connection accepted. (sock=8)

waiting for connection ... (accept sock: 7)
[MSG]  robot_000(127.0.0.1) text : 貧乏参考ください。

音声データ（sample.wav)を聞いてい見ると"リンゴを三個ください"と言っていますので、少し間違って認識されているのがわかります。

Front page   New List of pages Search Recent changes   Help   RSS of recent changes