Google-API构建Web实时语音转文字情感分析

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

  • 创建Flask Web服务器
  • 构建前端和后端
  • 通过语音录入或者键盘输入的方式保存笔记
  • 实时语音转文本
  • 实时情绪识别
  • 同时进行实时语音,文本,情感识别。
  • 在任何云服务器上面上运行Angry-Ducks语音转文字情感分析助手

完整项目地址
B站
Youtube

项目截图:


Google API语音转文本

下载gcloud工具并配置

  1. 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。

  1. 暗转和初始化Cloud SDK.
  2. 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。

gcloud ml speech recognize 'gs://cloud-samples-tests/speech/brooklyn.flac' \
    --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:

{
  "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

$( 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' ) ) { // Stop Recording
        $( this ).removeClass( 'active is-recording btn-danger' ).text( 'Start Recording' );
        if ( 'undefined' !== typeof recorder ) {
          recorder.stop();
        }
        aduck.clearInterval();
      }
      else { // Start Recording
        $( 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:

app = Flask(__name__)

socketio = SocketIO(app)

# credentials, project = google.auth.default()
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

  aduck.initSentimentButtom = function(){
    $( '.sentiment' ).click( function ( e ) {
      e.preventDefault();
      //log
      console.log($(this))
      var reconginized_text =  $( '.recognized-text' ).val();
      var xhr = new XMLHttpRequest();
      //log
      console.log( $( '.recognized-text' ).val());
      // xhr.open("POST", '/sentiment?data=' + reconginized_text, true);
      // xhr.send().then(function() {
      //   console.log('sentiment1: ', xhr.response);
      // });
      // console.log('sentiment: ', xhr.response)
      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";
            // document.getElementById("angry-img").style.visibility="hidden";
            // document.getElementById("neu-img").style.visibility="hidden";
          } else if (parseFloat(res.score) < 0.0) {
            document.getElementById("duck-img").src="./static/images/angry.png";
            // document.getElementById("happy-img").style.visibility="hidden";
            // document.getElementById("neu-img").style.visibility="hidden";
          } else if (parseFloat(res.score) == 0.0) {
            // document.getElementById("angry-img").style.visibility="hidden";
            // document.getElementById("happy-img").style.visibility="hidden";
            document.getElementById("duck-img").src="./static/images/neu.png";
          }
        });
    });
  };

实时文本情感分析detect_sentiment函数实现:

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。

完整项目地址:https://github.com/angryducks/angry-ducks
B站:https://www.bilibili.com/video/av44429125
Youtube: https://www.youtube.com/watch?v=lHrlYdO8gLY

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:

  1. nature1995 | 龚子然
  2. zfz | 张方舟
  3. zzdqqqq | 张子洞
  4. 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!!!

Next:5G核心网架构基础概念