Ce site est optimisé pour être consulté depuis un navigateur moderne dans lequel JavaScript est activé.

Dictée numérique? reconnaiscance vocale?

Xzu Rukneg

Bonjour.

Après des recherches sur la doc et le forum, je n'ai pas trouvé de réponse claire et satisfaisante à ma question:
Existe-t-il actuellement un logiciel empaqueté permettant de saisir un texte depuis un micro pour ubuntu?

Mon seul but est de faire de la dictée "vocale" de texte "numérique". (j'ai déjà micros et cartes sons)
J'aimerai aussi savoir si quelqu'un peu témoigner l'avoir déjà fait.

Merci.

nam1962

Ce fil ? ./viewtopic.php?pid=21346561

Xzu Rukneg

Ce fil est intéressant oui.
Mais je cherche plus simple, genre un paquet à installer, et quelqu'un qui me dit que ça marche! 😃

agensbur

A défaut d'une solution Linux pur jus, tu peux jeter un coup d'œuil sur google doc.
Tu trouveras un module de reconnaissance et de dictée vocale (il y a une fonction native qui n'est pas excellente mais aussi une extension à charger qui elle est de meilleure qualité. Tout cela ne tourne qu'avec chrome).
Je l'ai testé vraiment très rapidement, et par rapport à ce que je faisais jadis avec dragon naturaly speaking, ça ne semble pas totalement ridicule - du moins pour des textes courts.

Xzu Rukneg

Si je comprend bien, à l'heure actuelle c'est dragon machin qui détiens le monopole pour les utilisateurs?

nam1962

Grosso (et ce n'est pas si fluide que çà).
pas contre côté Linux, je ne vois rien de probant et c'est fort dommage.

Xzu Rukneg

Merci quand même!
C'est le genre de question où on a parfois une bonne surprise, car tout ne peut pas être dans la doc.
Je ne sais pas si le fil de Kholo permettrait d'arriver à faire ça, tellement c'est technique et que je ne vois pas vraiment ce qu'il fait et comment.
Mais bon, je sent que je vais devoir essayer malgré tout!

alexarnaud

Xzu Rukneg a écritMerci quand même!
C'est le genre de question où on a parfois une bonne surprise, car tout ne peut pas être dans la doc.
Je ne sais pas si le fil de Kholo permettrait d'arriver à faire ça, tellement c'est technique et que je ne vois pas vraiment ce qu'il fait et comment.
Mais bon, je sent que je vais devoir essayer malgré tout!

Si tu arrives à un résultat, ça peut-être intéressant. Si tu penses également qu'il y aurait moyen de rendre la tâche plus simple cela peut-être intéressant aussi.
La partie la plus complexe est la reconnaissance vocale, si elle existe et qu'il manque une intégration on peut envisager de monter un projet.

Benoitfra

On remet le couvert sur la reconnaissance vocale !

J'ai déjà joué avec et ça marche plutôt bien ! Il faut distinguer 2 usages:

- la commande vocale
- la dictée vocale

Comment mettre ne place un pipeline de reconnaissance vocale facilement ? Utilisr Pocketsphinx & GStreamer. C'est pas très dur mais il faut installer les dépendances et les gens n'aiment pas trop ça.

En ce moment, je distingue 2 solutions principales :

- PocketSphinx (offline) + GStreamer pour la commande vocale
- Wit.ai/Google ou Mozilla web speech api pour la dictée vocale

Je vais concentrer mes mots sur Pocketsphinx que je connais bien qui est libre !

il faut lui fournir plusieurs fichiers:
- modèle de langage
- modèle acoustique
- dictionnaire

Tout cela est disponible sur le site de CMUSPhinx.

J'ai un projet dans les cartons pour l'intégrer dans Gnome. Le problème c'est que tout est éparpillé un peu partout, qu'il faut compiler pas mal de chose et les gens n'aiment pas trop ça. D'autre problèmes peuvent aussi apparaitres notamment ceux liés au micro.

Comment je vois l'intégration dans Gnome ?

l'idée serait de faire de la commande vocale un service DBus générique. Que ce soit le moteur pocketsphinx, ou tout autre api online, tous devront implémenter une interface permettant d'obtenir certaines infos:

- savoir si le service est actif
- connaistre le texte prononcé
- une liste de tags
- sa probabilité
- pouvoir changer à la volée de modèle de langage ou de grammaire

Toutes les infos transiteront donc via dbus. Quiconque voulant supporter la commande vocale devra alors se connecter à ce bus et récupérer les infos. L'interêt de Dbus c'est que l'on peut réveiller un service quand on en a besoin mais également qu'il est déjà très bien intégrer.

Je vous assure que tout cela n'est pas très compliqué à faire. Si jamais l'élan est là je veux bien aidé car il serait bon d'avoir différent point de vue qui aboutiront peut-être à l'écriture de specs et à la mise ne place d'un design.

Pour ceux que cela interesse, je vous invite à voir mes périgrinations sur Github:

- Pocketvox (pour appréhender le couple Gstreamer, Pocketsphinx en C et avec de l'introspection pour du Python)
- VOXGenerator (en Python, pour appréhender DBus, Gstreamer et Pocketsphinx)

Une liste de lien:
CMUSphinx
PocketVox
VOXGenerator

Xzu Rukneg

Merci Benoitfra, ça motive! (même si j'avoue que je vais attendre d’avoir beaucoup de temps libre pour me coller à ça).

J'ai déjà joué avec et ça marche plutôt bien ! Il faut distinguer 2 usages:

- la commande vocale
- la dictée vocale

Question dictée vocale (vu que c'est uniquement ça qui m’intéresse personnellement), quel est ton retour d'utilisation?
Expérimental? fonctionnel? utilisable?

Benoitfra

Pour la dictée vocale ! C'est plus compliqué !

Je n'ai jamais réussi a avoir de la dictée vocale avec pocketsphinx car le dictionnaire et le modèle de langage qui nous sont fournis ne sont pas très précis même si ils comportent 65000 mots. Par contre Pocketsphinx fonctionne très bien pour de la commande vocale justement en créant mes propres modèle de langage avec moins de mot (voir CMUCLMTK)

Voilà

Xzu Rukneg

Ok merci.

Bon, je crois que je vais mettre mon idée de dictée vocale sous ubuntu en veilleuse pour quelques années. :/

alexarnaud

Benoitfra a écritOn remet le couvert sur la reconnaissance vocale !
- PocketSphinx (offline) + GStreamer pour la commande vocale
- Wit.ai/Google ou Mozilla web speech api pour la dictée vocale

Il faudrait investiguer tout ça pour savoir si quelqu'un s'est déjà penché sur la dictée vocale de manière sérieuse.
La dictée vocale fait partie des chantier de R&D à mener si effectivement rien de probant n'existe. Si un jour j'ai dû temps de disponible je tenterai de mener une enquête sur le sujet.

Benoitfra

Ce n est pas les solutions techniques qui posent problemes mais plus les moyens.
Le modele de langage est trop peu precis et vraiment tres gros. Faudrait essayer sur d autre machine.
Donc il y a les perfs d un coté et la precision du modèle de l autre.

Sinon, je pense que si l on veut integrer la reconnaissance vocale il faut propser un service. C est a dire un objet qui pulie sur un bus le texte brut issu de la reconnaissance. J ai pas beaucoup de temps mais je suis en train d ecrire quelque chose pour cela en vala.

Une fois le service integré peut importe le fournisseur de transcription n importe qui pourra aller chercher l info et s en servir comme il le souhaite pour de la dictee ou de la commande.

Ensuite, suivant l isage on peut imaginer des services d indexation qui permettrait d
e tagguer le texte brut (voir NLP Stanford notamment les modeles Ngram). d ou deux possibiliés:

1) dictee vocale
fournisseur -> service debus -> application
2) commande vocale
fournisseur -> service dbus -> contexte manager -> application

J aimerai vraiment que la reconnaissance vocale soit vu comme un service

Benoitfra

Le mieu se serait d avoir nos serveurs faisant tourner pocketsphinx

alexarnaud

Benoitfra a écritCe n est pas les solutions techniques qui posent problemes mais plus les moyens.

J'entends bien ton discours. Pour moi l'objectif est de permettre à une personne n'ayant pas la possibilité de taper au clavier d'utiliser la reconnaissance vocale.
Que dirais-tu d’entamer un chantier communautaire ? Pour cela il faudrait faire les choses de manière structuré :
0) Facultatif : trouver un relais communautaire pour pouvoir trouver des développeurs intéressés
1) Savoir vers quoi fonctionnellement on souhaite aller
2) Faire une analyse de l'existant fonctionnel
3) Faire une analyse de l'existant technique
4) Estimer la complexité technique et les compétences requises et surtout le temps que cela implique

Benoitfra

Je suis tout a fait d accord j hante ce forum pour attiser la motivatin des devs sur ce sujet depuis longtemps. Mais je suis toujours seul. C est cool si les gens se bougent

je suis opérationnel.
Comment on organise tout ça ?

Xzu Rukneg

Je rêverais de vous aider, mais je ne connais rien à la programmation.
Mais je peut saluer votre motivation et vous soutenir par encouragement!! 😉

Sefran

C'est avec un peux de retard que j'écrit sur ce blog, mais que pensez-vous de http://www.voxforge.org/ ?

Et merci de tous ces volontaires francophones qui se sont investis dans la reconnaissance vocale libre 🙂

Je pense que l'approche dbus est une bonne idée.
Cela implique peut-être d'adapter les API des frameworks graphiques non ?

Perso j'ai des compétences système sous linux...

nam1962

...voxforge cite julius qui semble en panne depuis 2014, ISIP qui semble éteint. Il y a peut-être Sphynx qui vit encore.

De ce je comprend du côté des soluces commerciales, elles se sont tournées bers l'IA et font des progrès à pas de géant depuis.
Ceci est-il possible en open source ? (Les outils d'IA sont souvent open source cela dit)

Page suivante »