Распознование речи на Asterisk

Голосовое меню с распознование и генерацией речи.

Задача:

Создать IVR который воспроизводил бы текст и распознавал бы голос, а также совершал бы действия в соответствии с голосовыми командами.

Что мы имеем:

1)      Установлендистрибутив Ubuntu

2)      Установлен Asterisk

Способ решения:

Будут использоваться Googleсервисы по воспроизведению голоса (чтение текста) и определению голосовых команд. Для этого в диалплане будут использованы перл скрипты.

Описание решения:

1)      Установим пакеты:

a.       Perl: The Perl Programming Language

      #apt-get install perl

b.      perl-libwww: The World-Wide Web library for Perl

           #apt-get install libwww-perl

d.      perl-libjson: Module for manipulating JSON-formatted data

      #apt-get install libjson-perl

e.      flac: Free Lossless Audio Codec

       #apt-get install flac

f.        Для подключения к гугловскому сайту по HTTPSустанавливаем пакет IO-Socket-SSL:
      #apt-get install libio-socket-ssl-perl

g.       sox : SoundeXchange, программа по обработке звука:

      #apt-get install sox

h.      mpg123 : MPEG проигрыватель

      #apt-get install mpg123

i.         модуль в астере (обычно он установлен с самого начала) format_sln : Raw slinear module for asterisk

2)      Создадим ключ, который будет использоваться нашим скриптом для авторизации наших запросов на сайте гугл вовремя распознавания речи (обычно данный ключ позволяет распознать до 50-500 запросов в день, но если необходимо коммерческое использование то можно и оплатить это удовольствие, 300 $ в месяц, кажется). Для этого совершаем следующие действия:

a.       Зайдем на сайт Google Developers Console (https://console.developers.google.com/) под своей учеткой.

b.      Если вы до этого не активировали подписку на Chromedev, то надо ее активировать путем перехода на сайт:
https://groups.google.com/a/chromium.org/forum/#!forum/chromium-dev

c.       После вступления в группу создаем новый проект на сайте https://console.developers.google.com/project

d.      Заходим в проект и находим SpeechAPI

e.      Включаем API (Enable API)

f.        Создаем ключ:

g.       Копируем содержимое ключа, содержимое данного ключа будет использоваться ниже, на шаге 3.b).

3)      Создаем два перл скрипта в папке /var/lib/asterisk/agi-bin/

a.       Первый называется googletts.agi и используется для воспроизведения текста в виде звука. Содержание скрипта:

b.      Второй называется speech-recog.agi и используется для распознавания речи и преобразования его в текст. Здесь переменная "key" должна содержать значение которое было сгенерировано на шаге 3.g).

4)      Изменяем диалплан, например, на следующий:

Voice dialing example

exten => 1236,1,Answer()

exten => 1236,n,agi(googletts.agi,"Please say the number you want to dial.",en)

exten => 1236,n(record),agi(speech-recog.agi,en-US)

exten => 1236,n,GotoIf($["${confidence}" > "0.8"]?success:retry)

exten => 1236,n(success),goto(${utterance},1)

exten => 1236,n(retry),agi(googletts.agi,"Can you please repeat?",en)

exten => 1236,n,goto(record)

 

exten => _XXXX,1,Progress()

exten => _XXXX,n,Dial(SIP/${EXTEN},30)

exten => _XXXX,n,Set(CHANNEL(language)=ru)

exten => _XXXX,n, VoiceMail(${EXTEN}@default,u)

exten => _XXXX,n,Hangup()

 

Данный диалплан будет запрашивать какой добавочный номер вы хотите набрать, и если он сможет распознать текст с точностью более 0,8, то данный номер или слово будет набираться. Распознает и читает на английском языке, но также поддерживаются другие языки:

[['Afrikaans',       ['af-ZA']],

 ['Bahasa Indonesia',['id-ID']],

 ['Bahasa Melayu',   ['ms-MY']],

 ['Català',          ['ca-ES']],

 ['Čeština',         ['cs-CZ']],

 ['Deutsch',         ['de-DE']],

 ['English',         ['en-AU', 'Australia'],

                     ['en-CA', 'Canada'],

                     ['en-IN', 'India'],

                     ['en-NZ', 'New Zealand'],

                     ['en-ZA', 'South Africa'],

                     ['en-GB', 'United Kingdom'],

                     ['en-US', 'United States']],

 ['Español',         ['es-AR', 'Argentina'],

                     ['es-BO', 'Bolivia'],

                     ['es-CL', 'Chile'],

                     ['es-CO', 'Colombia'],

                     ['es-CR', 'Costa Rica'],

                     ['es-EC', 'Ecuador'],

                     ['es-SV', 'El Salvador'],

                     ['es-ES', 'España'],

                     ['es-US', 'Estados Unidos'],

                     ['es-GT', 'Guatemala'],

                     ['es-HN', 'Honduras'],

                     ['es-MX', 'México'],

                     ['es-NI', 'Nicaragua'],

                     ['es-PA', 'Panamá'],

                     ['es-PY', 'Paraguay'],

                     ['es-PE', 'Perú'],

                     ['es-PR', 'Puerto Rico'],

                     ['es-DO', 'República Dominicana'],

                     ['es-UY', 'Uruguay'],

                     ['es-VE', 'Venezuela']],

 ['Euskara',         ['eu-ES']],

 ['Français',        ['fr-FR']],

 ['Galego',          ['gl-ES']],

 ['Hrvatski',        ['hr_HR']],

 ['IsiZulu',         ['zu-ZA']],

 ['Íslenska',        ['is-IS']],

 ['Italiano',        ['it-IT', 'Italia'],

                     ['it-CH', 'Svizzera']],

 ['Magyar',          ['hu-HU']],

 ['Nederlands',      ['nl-NL']],

 ['Norsk bokmål',    ['nb-NO']],

 ['Polski',          ['pl-PL']],

 ['Português',       ['pt-BR', 'Brasil'],

                     ['pt-PT', 'Portugal']],

 ['Română',          ['ro-RO']],

 ['Slovenčina',      ['sk-SK']],

 ['Suomi',           ['fi-FI']],

 ['Svenska',         ['sv-SE']],

 ['Türkçe',          ['tr-TR']],

 ['български',       ['bg-BG']],

 ['Pусский',         ['ru-RU']],

 ['Српски',          ['sr-RS']],

 ['한국어',            ['ko-KR']],

 ['中文',             ['cmn-Hans-CN', '普通话 (中国大陆)'],

                     ['cmn-Hans-HK', '普通话 (香港)'],

                     ['cmn-Hant-TW', '中文 (台灣)'],

                     ['yue-Hant-HK', '粵語 (香港)']],

 ['日本語',           ['ja-JP']],

 ['Lingua latīna',   ['la']]];