Skip to content
The Chat Archive
gpt-4-0314· OpenAI WildChat-4.8M (AI2)

Napisz kod w python który będzie potrafił używać z WebKitSpeechRecognition do…

  1. User

    Napisz kod w python który będzie potrafił używać z WebKitSpeechRecognition do rozpoznawanie mowy na tekst. Wiem, że WebKitSpeechRecognition używany jest na google chrome ale postaraj się zrobić obejście tak aby mogło działać to w kodzie pythona za pomocą Selenium. Kod ten powinien korzystać z tkinter i wyśiwetlać przycisk oraz textbox. Kiedy wciśnie się przycisk w gui tkinter to wywołuje się WebKitSpeechRecognition na stronie z Selenium i na żywo wyświetla tekst w gui pythona w textbox.

  2. Assistant

    Do osiągnięcia tego celu, możemy użyć Selenium do uruchomienia przeglądarki Google Chrome, wraz z wbudowanym API WebKitSpeechRecognition dla rozpoznawania mowy. Z kolei, interfejs użytkownika utworzymy za pomocą modułu Tkinter.

    Poniżej przedstawiam pełen przykład kodu:

    import time
    import threading
    from tkinter import *
    from selenium import webdriver
    from selenium.webdriver.chrome.options import Options
    from selenium.webdriver.common.keys import Keys
    
    # Ustawienie opcji przeglądarki Chrome
    chrome_options = Options()
    chrome_options.add_argument("--disable-infobars")
    chrome_options.add_argument("--start-maximized")
    chrome_options.add_argument("--disable-notifications")
    chrome_options.add_argument("--log-level=3")
    chrome_options.add_experimental_option("prefs", {
        "profile.default_content_setting_values.media_stream_mic": 1,  # Umożliwienie dostępu do mikrofonu
    })
    
    # Konfiguracja i uruchomienie przeglądarki Chrome
    driver = webdriver.Chrome(executable_path='./chromedriver', options=chrome_options)
    driver.get("https://www.google.com") 
    
    # Definicja funkcji rozpoczynającej rozpoznawanie mowy
    def start_speech_to_text(text_widget):
        # Wywołanie WebKitSpeechRecognition używając JavaScript w przeglądarce Chrome
        js_code = '''
            var recognition = new (webkitSpeechRecognition || SpeechRecognition)();
            recognition.continuous = true;
            recognition.interimResults = true;
            recognition.lang = 'en-US';
            recognition.start();
            recognition.onresult = function(event) {
                var result = event.results[event.results.length-1][0].transcript;
                ttsBridge.set_text(result);
            };
            var ttsBridge = {
                set_text: function(text) {
                    window.alert(text);
                }
            }
            return ttsBridge;
        '''
        driver.execute_script(js_code)
        update_text(text_widget) # Aktualizacja tekstu w TextBox
    
    # Aktualizacja tekstu w TextBox na podstawie wyników z WebKitSpeechRecognition
    def update_text(text_widget):
        def loop():
            while True:
                if not driver.switch_to.alert:  # Oczekiwanie na powiadomienie z wynikiem rozpoznawania
                    time.sleep(0.1)
                    continue
    
                transcript = driver.switch_to.alert.text  # Pobierz rozpoznane słowa
                driver.switch_to.alert.accept()
                text_widget.delete('1.0', END)
                text_widget.insert(INSERT, transcript)
    
        th = threading.Thread(target=loop, daemon=True)
        th.start()
    
    # Tworzenie interfejsu użytkownika z Tkinter
    def create_ui():
        root = Tk()
        root.geometry("400x200")
        root.title("Rozpoznawanie mowy")
    
        frame = Frame(root)
        frame.pack(pady=20)
    
        txt = Text(frame, wrap=WORD, width=40, height=10)
        txt.pack()
    
        btn = Button(root, text="Uruchom rozpoznawanie", command=lambda: start_speech_to_text(txt))
        btn.pack()
    
        root.mainloop()
    
    create_ui()
    

    Ważne: Przed uruchomieniem powyższego kodu, upewnij się, że:

    1. Zainstalowałeś odpowiednie pakiety: tkinter, selenium.

      Można je zainstalować za pomocą polecenia:

      pip install tk selenium
      
    2. Pobierz odpowiednią wersję sterownika ChromeDriver dla swojej przeglądarki Chrome ze strony: https://sites.google.com/a/chromium.org/chromedriver/downloads

      Po pobraniu sterownika, umieść go w tym samym folderze, co powyższy skrypt, lub podaj ścieżkę do sterownika w parametrze executable_path dla webdriver.Chrome.

    Uruchom powyższy skrypt, a następnie kliknij przycisk "Uruchom rozpoznawanie" w oknie Tkinter. Pozwól przeglądarce Chrome na dostęp do mikrofonu, gdy pojawi się odpowiednie pytanie. Twoja mowa będzie rozpoznawana w tle i wyświetlana na żywo w interfejsie użytkownika Tkinter. Mów do mikrofonu, a tekst będzie się pojawiał w okienku tekstowym.