Alan Tsai 的學習筆記


學而不思則罔,思而不學則殆,不思不學則“網貸” 記錄軟體開發的點點滴滴 著重於微軟技術、網頁開發、DevOps、C#, Asp .net Mvc、Azure、AI、Chatbot、Docker、Data Science

[chatbot + AI = 下一代操作模式][32]Cognitive Service語音服務相關介紹

[chatbot + AI = 下一代操作模式][32]Cognitive Service語音服務相關介紹.jpg
圖片來源:https://pixabay.com/en/books-spine-colors-pastel-1099067/ 

在上一篇([31]Custom Vision Train好的Model匯出離線和給app使用)介紹完了把Custom Vision的Model匯出并且用Docker File版本讓他本地執行之後,在Cognitive Service裡面的圖片相關就介紹到一個段落。

在接下來的篇幅將來介紹另外一種常見的輸入方式,也就是透過語音的方式。任何科幻電影的指令輸入模式都是語音,例如《鋼鐵人》裡面的助理系統Jarvis,想象一下如果可以用説的就讓電腦做事有多方便。

這邊就來看看Cognitive Service裡面對於語音這塊處理有什麽幫助。

上一篇最後提到要介紹ONNX和如何在程式裡面使用ONNX。不過因爲在Windows要使用ONNX需要Windows 10 17110以上,剛好手上這臺電腦不是,又暫時無法更新,因此未來在補上這部分的介紹。

Cognitive Service在語音上面提供了什麽服務?

Cognitive Service在語音這塊有幾個主要服務:

  1. Speech Service - 官方文件服務首頁
  2. Translator Speech Api - 官方文件
  3. Custom Speech Service - 官方文件服務首頁
  4. Speaker Recognition - 官方文件服務首頁

語音轉文字+翻譯相關的服務是Cognitive Service裡面個人覺得最亂的一個服務。感覺微軟有要統一變成一個服務,但是還在進行中,因此比較混論。

這裡面Speech ServiceTranslator Speech Api提供差不多的服務:

  • 語音轉文字
  • 文字轉語音
  • 語音轉文字+翻譯

理論上Speech Service是一個整合所有語音相關服務的統一api,因此兩邊的engine應該應該,但是實際使用起來,個人經驗是Translator Speech Api比較準確。所以,雖然Speech Service看起來是未來的走向, 并且SDK比較完整,但是接下來的demo程式會使用Translator Speech Api

Custom Speech Service是一個很有意思的服務,允許透過訓練的方式建立出一個比較符合使用者説話方式的Model達到識別率非常高。白話一點來説,假設今天要識別的是一些講話有口音的使用者,用預設的服務可能識別率不高,但是 透過使用這個服務,可以自己訓練符合口音的Model達到識別率提高。

Speaker Recognition這個服務可以用來識別語音裡面是那個人在説話。

測試語音服務

可以直接到服務介紹的頁面測試一些服務功能,這邊介紹兩個:

  1. 測試語音轉文字
  2. 測試定制化服務功能

測試語音轉文字

在官網的部分有一些demo可以玩玩看,語音轉文字就是一個不錯的測試。

可以到:https://azure.microsoft.com/zh-tw/services/cognitive-services/speech-to-text/,然後:

  1. 可以先切換語言 - 這邊換成了 Chinese (cn)
  2. 如果您想要錄自己的聲音可以用開始錄製
  3. 也可以直接點某個範例
  4. 識別出來的文字會在輸入框裡面出現
chrome_2018-08-13_18-35-46.png
測試語音轉文字的服務

測試定制化服務功能

在測試頁面下面一點有一個定制化功能可以測試,從這邊可以看到,左邊是用一般服務識別的結果,以及右邊有經過定制化訓練的Model識別結果。左邊識別率已經很高了,但是還是有些錯誤。右邊則準確很多:

chrome_2018-08-13_18-42-31.png
測試定制化服務功能

結語

這篇非常快速的介紹了Cognitive Service裡面和語音處理有關的服務,并且使用服務首頁的範例看了一下使用的結果。相信這篇看完對於有什麽武器可以使用就有了基本的概念。

在chatbot裡面可以整合的服務會是:

  1. 語音轉文字 - 用説的下指令
  2. 語音轉文字 + 翻譯 - 說中文轉成英文 - 方便不會英文的人在國外也能夠使用

因此,下一篇([33]C#使用Translator Speech API服務達到語音轉文字加翻譯)先用Console的方式瞭解如何在非chatbot情況下如何使用語音服務。


如果文章對您有幫助,就請我喝杯飲料吧
街口支付QR Code
街口支付QR Code
台灣 Pay QR Code
台灣 Pay QR Code
Line Pay 一卡通 QR Code
Line Pay 一卡通 QR Code
街口支付QR Code
支付寶QR Code
街口支付QR Code
微信支付QR Code
comments powered by Disqus