Napisz kod w python który będzie potrafił używać z WebKitSpeechRecognition do…
- 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.
- 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:
-
Zainstalowałeś odpowiednie pakiety:
tkinter,selenium.Można je zainstalować za pomocą polecenia:
pip install tk selenium -
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_pathdlawebdriver.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.
-