ROS Kinetic: 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。

• 解説記事：ROSを使ってWebインターフェース経由で音声認識する by @furushchevさん
• Github: https://github.com/tork-a/visualization_rwt by Tokyo Opensource Robotics Kyokai Association
• Web Speech API参考リンク
  • Web Speech API, Draft Community Group Report, 21 January 2020
  • Webページでブラウザの音声合成機能を使おう – Web Speech API Speech Synthesis

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 ${ROS_DISTRO} -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。
  • http://localhost:8000/rwt_speech_recognition/
• 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