本教程中，我们将使用Google API中语音转文字以及自然语言分析功能，这是一个非常强大的人工智能平台，可以用来记录语音并将其转换为文本，并对文本进行实时情感分析。（Google API可能需要科学上网，但可以在文末选择国内的腾讯AI、百度AI平台进行替换）
![]()
首先罗列这个app的功能
完整项目地址：https://github.com/angryducks/angry-ducks
Youtube: https://www.youtube.com/watch?v=lHrlYdO8gLY
B站：https://www.bilibili.com/video/av44429125
项目截图：
Google API语音转文本
下载gcloud工具并配置
- 准备工作
设置GCP控制台项目。
设置一个项目
创建或选择一个项目。
为该项目启用Speech-to-Text API。
创建服务帐户。
下载私钥作为JSON。
您可以随时在GCP控制台中查看和管理这些资源。
- 暗转和初始化Cloud SDK.
- 身份验证
对于身份验证，我们建议您使用服务帐号：即与您的 GCP 项目（而不是与特定用户）关联的 Google 帐号。无论代码在何处（本地、Compute Engine、App Engine 或内部等）运行，都可以使用服务帐号进行身份验证。如需详细了解其他身份验证类型，请参阅身份验证概览。
参考：https://cloud.google.com/docs/authentication/getting-started#auth-cloud-implicit-python
发出音频转录请求
现在您可以使用 Speech-to-Text 将音频文件转录为文字。使用以下代码示例向 Speech-to-Text API 发送 recognize 请求。
打开命令行 shell 并运行以下命令。
1
2
| gcloud ml speech recognize 'gs:
--language-code='en-US'
|
此命令请求 Speech-to-Text 转录一个 FLAC 中包含的音频，该 FLAC 在一个可公开访问的位置进行托管。
如果请求成功，服务器将返回 JSON 格式的响应：
1
2
3
4
5
6
7
8
9
10
11
12
| {
"results": [
{
"alternatives": [
{
"confidence": 0.9840146,
"transcript": "how old is the Brooklyn Bridge"
}
]
}
]
}
|
恭喜！您已向 Cloud Speech-to-Text 发送了您的第一个请求！
Google API情感分析
点击链接开通即可
https://cloud.google.com/natural-language/?_ga=2.224506522.-145586126.1544583292
本项目语音转文本部分
Cloud Speech-to-Text 可实现将 Google 语音识别技术轻松集成到开发者应用中。向 Speech-to-Text API服务发送音频，即可收到文字转录结果。
注意： setting.py里面的GOOGLE_API = ‘google-api.json’需要配置成自己的json文件，文件名可以修改
首先我们需要借助Recorder.js进行录音。建议使用Chrome和Firefox浏览器
然后通过aduck.js进行Recorder按钮的控制
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
| $( document ).ready( function () {
var aduck = {};
aduck.init = function () {
aduck.createWebSocket();
aduck.initRecordButton();
aduck.initSentimentButtom();
};
aduck.getRecorder = function ( s ) {
context = new AudioContext();
source = context.createMediaStreamSource( s );
recorder = new Recorder( source, {
numChannels: 1,
} );
recorder.record();
aduck.setInterval();
};
aduck.createWebSocket = function () {
socket = io.connect( '//' + document.domain + ':' + location.port );
socket.on( 'connect', function () {
console.log( 'Connected!' );
} );
socket.on( 'transcript', function ( data ) {
console.log('data: ', data);
$( '.recognized-text' ).append( ' ' + data );
} );
};
aduck.setInterval = function () {
if ( 'undefined' !== typeof recorder ) {
exportInterval = setInterval( function () {
recorder.exportWAV( function ( blob ) {
recorder.clear();
if ( 'undefined' !== typeof socket ) {
console.log("blob: ", blob);
socket.emit( 'stream', blob );
}
} );
}, 5000 );
}
};
aduck.clearInterval = function () {
clearInterval( exportInterval );
};
aduck.initRecorder = function () {
if ( 'undefined' === typeof recorder ) {
navigator.mediaDevices.getUserMedia( {
audio: true,
video: false
} ).then( aduck.getRecorder );
}
};
aduck.initRecordButton = function () {
$( '.recorder' ).click( function ( e ) {
e.preventDefault();
if ( $( this ).hasClass( 'is-recording' ) ) {
$( this ).removeClass( 'active is-recording btn-danger' ).text( 'Start Recording' );
if ( 'undefined' !== typeof recorder ) {
recorder.stop();
}
aduck.clearInterval();
}
else {
$( this ).addClass( 'active is-recording btn-danger' ).text( 'Stop Recording' );
if ( 'undefined' !== typeof recorder ) {
recorder.record();
aduck.setInterval();
}
else {
aduck.initRecorder();
}
}
} );
};
$( aduck.init() );
} );
|
后端通过processData函数进行语音转文字处理，并显示在前端界面：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
| app = Flask(__name__)
socketio = SocketIO(app)
credentials = service_account.Credentials.from_service_account_file(
setting.GOOGLE_API)
credentials = credentials.with_scopes(
['https://www.googleapis.com/auth/cloud-platform'])
client = speech.SpeechClient(credentials=credentials)
def processData(data):
content = data
audio = types.RecognitionAudio(content=content)
config = types.RecognitionConfig(
encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16,
language_code='en-US')
try:
response = client.recognize(config=config, audio=audio)
for result in response.results:
print('transcript: ', result.alternatives)
emit('transcript', result.alternatives[0].transcript)
except RetryError as e:
print("Error: {0}".format(e))
except:
print("Error:", sys.exc_info()[0])
|
一开始调用的时候浏览器将会弹出提示框，请求允许获得麦克风权限。
至此，语音转文本部分已经完成，下面我们继续实现文本情感。
实时文本情感
首先在aduck.js里面添加动态按钮，并对情感进行动态显示
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
| aduck.initSentimentButtom = function(){
$( '.sentiment' ).click( function ( e ) {
e.preventDefault();
console.log($(this))
var reconginized_text = $( '.recognized-text' ).val();
var xhr = new XMLHttpRequest();
console.log( $( '.recognized-text' ).val());
const url = "/sentiment?data=" + reconginized_text;
fetch(url, {method: 'POST'})
.then( response => response.json())
.then( function(res) {
console.log(typeof res);
if (parseFloat(res.score) > 0.0) {
document.getElementById("duck-img").src="./static/images/happy.png";
} else if (parseFloat(res.score) < 0.0) {
document.getElementById("duck-img").src="./static/images/angry.png";
} else if (parseFloat(res.score) == 0.0) {
document.getElementById("duck-img").src="./static/images/neu.png";
}
});
});
};
|
实时文本情感分析detect_sentiment函数实现：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| def detect_sentiment(text):
credentials = service_account.Credentials.from_service_account_file(
setting.GOOGLE_API)
credentials = credentials.with_scopes(
['https://www.googleapis.com/auth/cloud-platform'])
client = language.LanguageServiceClient(credentials=credentials)
document = types.Document(
content=text,
type=enums.Document.Type.PLAIN_TEXT)
# Detects the sentiment of the text
sentiment = client.analyze_sentiment(document=document).document_sentiment
print('Text: {}'.format(text))
print('Sentiment: {}, {}'.format(sentiment.score, sentiment.magnitude))
return sentiment
|
当此函数被调用时，会返回文本情感分析结果。
总结
在人工智能发展的今天，情感分析可以帮助我们对我们所说的话进行实时分析，协助我们对我们的情感进行判断。语音助手逐渐走进日常的生产和生活中。这样一个app可以帮助我们快速构建可以部署的Web人工智能服务。
如果你需要使用更多API实现更多的功能，可以试试下面的几个第三方API：
Face++人工智能开放平台
腾讯AI开放平台
百度AI开放平台
作者：
- nature1995 | 龚子然
- zfz | 张方舟
- zzdqqqq | 张子洞
- zlaomin | 曾宇晨
License
本软件根据GNU通用公共许可证v3.0许可证授权。 有关更多信息，请阅读该文件LICENSE.
请遵守开源协议，即便是在中国！！！
