ROS: Web Speech APIで音声認識

Wep Speech APIを使うと音声認識が簡単にできる。しかも、ROSパッケージは以下のサイトで公開されており、開発者furushchevさんの詳しい日本語の解説記事もある。本記事はその作業メモ。

作業環境

  • Ubuntu16.04
  • ROS Kinetic
  • Google Chrome (他のブラウザは対応してない)

インストール

  • 以下のサイトのとおり実施
    • https://github.com/tork-a/visualization_rwt
  • 推奨されているaptでのインストールはkinetic用のパッケージが見つけられなかったのでソースからビルドした。
  • $ cd ~/catkin
  • $ wstool init src
  • $ cd src
  • $ wstool set visualization_rwt --git https://github.com/tork-a/visualization_rwt/
  • $ wstool update
  • $ cd ~/catkin_ws
  • $ rosdep install --from-paths src --ignore-src --rosdistro kinetic -r -y
  • $ catkin_make
  • $ source devel/setup.bash

実行

  • 端末を開き、以下のコマンドを実行する
    • $ roslaunch rwt_speech_recognition rwt_speech_recognition.launch
  • 以下のリンクをクリックするかChromeブラウザを起動し以下のアドレスを検索窓に入れる。
  • 音声認識をスタートさせるためには、以下のChrome画面で緑に塗られているStartボタンをクリックする。
  • Chromeの画面のマイクに英語で話しかけ、認識結果が表示されていれば成功。日本語で話しかけたい場合はブラウザのLanguageを日本語にすればよい。デフォルトではROSのトピック名が/Tablet/voiceになっているが、この画面から自由に変更できる。なお、連続して音声認識をしたい場合はModeをContinuousにすればよい。
  • では、最後にトピックを確認しよう。別の端末を開き、以下のコマンドで認識結果のトピック/Tablet/voiceを表示する。
    • $ rostopic echo /Tablet/voice

カスタマイズ

  • デフォルトではトピック名が/Tablet/voiceになっている。変更したいときは以下のファイル29行目のvalueの値を変更する。
    • ~/catkin_ws/src/visualization_rwt/rwt_speech_recognition/www/index.html

以上

コメント

タイトルとURLをコピーしました