[Статья] Используем Google Speech API в своих программах- Delphi

[necrpetrovich]

[Ссылки могут видеть только зарегистрированные пользователи. ]

Всем нам хорошо известно о том, что в гугл хроме появилась возможность набора текста голосом. В данной теме я покажу как это можно использовать в своих программах.

Распознавание происходит в несколько этапов :
1. Запись звука в формате FLAC
2. Отправка данных в гугл
3. Расшифровка принятых данных

И так , все по порядку.
1. Запись звука в формате FLAC. Для этого есть компонент New Audio . О нем я напомню чуть позже.
2. Отправка данных в гугл . Отправлять файл flac нужно на ссылку
[Ссылки могут видеть только зарегистрированные пользователи. ] .
Для этого можно использовать функцию :

function TMainForm.HTTPPostFile(Const URL, FieldName, FileName: String; Const Data: TStream; Const ResultData: TStrings): Boolean;
const
  CRLF = #$0D + #$0A;
var
  HTTP: THTTPSend;
  Bound, Str: String;
begin
  Bound := IntToHex(Random(MaxInt), 8) + '_Synapse_boundary';
  HTTP := THTTPSend.Create;
  try
    if UseProxy then
    begin
      HTTP.ProxyHost := ProxyAddress;
      if ProxyPort <> '' then
        HTTP.ProxyPort := ProxyPort
      else
        HTTP.ProxyPort := '3128';
      if ProxyAuth then
      begin
        HTTP.ProxyUser := ProxyUser;
        HTTP.ProxyPass := ProxyUserPasswd;
      end;
   end;
    Str := '--' + Bound + CRLF;
    Str := Str + 'content-disposition: form-data; name="' + FieldName + '";';
    Str := Str + ' filename="' + FileName + '"' + CRLF;
    Str := Str + 'Content-Type: audio/x-flac; rate='+IntToStr(DXAudioIn.InSampleRate) + CRLF + CRLF;
    HTTP.Document.Write(Pointer(Str)^, Length(Str));
    HTTP.Document.CopyFrom(Data, 0);
    Str := CRLF + '--' + Bound + '--' + CRLF;
    HTTP.Document.Write(Pointer(Str)^, Length(Str));
    HTTP.MimeType := 'audio/x-flac; rate='+IntToStr(DXAudioIn.InSampleRate);
    HTTP.UserAgent := 'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.17 Safari/537.36';
    Result := HTTP.HTTPMethod('POST', URL);
    ResultData.LoadFromStream(HTTP.Document);
  finally
    HTTP.Free;
  end;
end;

Эта функция переделанная т.к недавно гугл ожесточил правила.

Использовать можно так :

HTTPPostFile('https://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=ru-RU', 'userfile', ExtractFilename(OutFileName), Stream, StrList);

где
Stream — это поток TFileStream в который мы читаем наш записанный файл в формате FLAC.
StrList — это TStringList с ответом от Google.

3. Расшифровка принятых данных

В ответ к нам придет строка примерно такая :
{«status»:0,«id»:«5e34348f2887c7a3cc27dc3695ab4575-1»,«hypotheses»:[{«utterance»:«привет»,«confidence»:0.7581704}]}
Если статус приходит "0" значит запись распознана. utterance — распознанная фраза .
Ну, а далее можно использовать определенную команду по определенному слову. В среднем, у меня уходит на распознавании 2 сек.


Статью написал : Stas971
Источник: [Ссылки могут видеть только зарегистрированные пользователи. ]

[NebesaBag]

1. Запись звука в формате FLAC. Для этого есть компонент New Audio . О нем я напомню чуть позже.

Когда?)

[Sinyss]

Зачем прокси и
CRLF = #$0D + #$0A; ?

[VeTaL_UA]

Цитата: Зачем прокси

Потому что функция универсальная

Цитата: CRLF = #$0D + #$0A; ?

По коду не видно, что разделитель?

[Sinyss]

Цитата: Сообщение от VeTaL_UA Потому что функция универсальная

Это не прибавляет ей универсальности.

Цитата: Сообщение от VeTaL_UA По коду не видно, что разделитель?

Разделитель можно нормально оформить и дать нормальное название переменной... а не CRLF (которому сотни расшифровок, например: Common Runtime Language Finded)

[VeTaL_UA]

Цитата: Это не прибавляет ей универсальности.

Цитата: if UseProxy then

Конкретно вот это прибавляет.

Цитата: Разделитель можно нормально оформить и дать нормальное название переменной...

Осторожно, скрин

[Ссылки могут видеть только зарегистрированные пользователи. ]