第３章　音声認識・合成

概要

ROS2とPythonで作って学ぶAIロボット入門（出村・萩原・升谷・タン著，講談社）第３章のサンプルプログラムと補足情報などを掲載しています．

インストール

• オーディオ関連を扱うためのライブラリを以下のコマンドでインストールします．

sudo apt install portaudio19-dev
sudo apt install pulseaudio

• Pythonのモジュールとして呼びたすために，以下のコマンドを実行します．

pip3 install pyaudio

• 音声認識ライブラリを以下のコマンドでインストールします．

pip3 install SpeechRecognition

• 音声認識器のWhisperを扱うためのライブラリを以下のコマンドでインストールします.

python3 -m pip install git+https://github.com/openai/whisper.git soundfile

• 音声合成で用いるライブラリをインストールします。

pip3 install gTTS
sudo apt install mpg123
pip3 install mpg123

• サンプルプログラムを以下のコマンドでGitHubからクローンします．

cd ˜/airobot_ws/src
git clone https://github.com/AI-Robot-Book/chapter3

• 以下のコマンドでパッケージをビルドします．

cd ˜/airobot_ws
colcon build

ディレクトリ構成

• speech_service: 音声認識と音声合成のサンプルプログラム

補足情報

• ３章のサンプルプログラムをDockerコンテナで実行する場合，Ubuntuをホストにする場合のみ動作を確認しています．Windowsで開発されている方は，VMWareなどのバーチャルマシンにUbuntuをインストールしてサンプルプログラムを実行する事ができます．
• 実行するUbuntuの環境でマイクからの音声入力とスピーカーからの音の出力が出来ていることを事前に確認してください．
• バーチャルマシン上のUbuntuを使用する場合は、遅れが生じて音声が出力されない事があります．長めの発話文を入力するなどして対応して下さい．
• 可能であればベッドセットを使用してください．オウム返しの実行中にスピーカーの音がマイクに回って繰り返す場合があります．