Skip to content
This repository has been archived by the owner on May 18, 2023. It is now read-only.

Latest commit

 

History

History
311 lines (270 loc) · 11.8 KB

README.md

File metadata and controls

311 lines (270 loc) · 11.8 KB
Raw

Vosk Vosk PyPi Python Versions

Descripción

Este repositorio es para recibir señales, realizar transcripción de video/sonido a texto para enviarlo por elastic para realizar búsquedas de texto.

Importante: el desarrollo de este feature solo funciona correctamente para sistemas x64

Contenido

Feature

En Pubsub:

  • Configuración sencilla
  • Te permite recibir mensajes de señales de streaming a través de Pubsub
  • Filtrar los mensajes según la configuración establecida
  • Configurar cantidad de procesos que se ejecutan en paralelo
  • Formatear mensajes con esta estructura de mensaje
  • Descarga archivos (.ts, .mp4, .mp3, .mkv, .wav) de los mensajes

Te permite correr la librería de reconocimiento de voz

  • Librería ya configurada para ser corrida en Inglés y Español con modelos livianos
  • Toma el archivo descargado, le corre el speech-to-text y guarda los datos necesarios
  • Prepara los mensajes para ser enviados por Elastic

En Elastic:

  • Configurar Host e Index
  • Inicializar el Index
  • Inicializar el Documento del Index
  • Mandar mensajes a Elastic (Index configurado)

Instalación

Cómo correrlo local:

git clone https://github.com/shirosweets/vosk-speech-to-text.git
python3 -m venv speech_venv (por única vez)
source speech_venv/bin/activate
sudo apt-get update -y (por única vez)
sudo apt-get install -y libportaudio2 (por única vez)
sudo apt-get install -y portaudio19-dev (por única vez)
pip install --upgrade pip
pip install -r requirements.txt
python3 main_run.py

Cómo correr testeos particulares:

git clone https://github.com/shirosweets/vosk-speech-to-text.git
python3 -m venv speech_venv (por única vez)
source speech_venv/bin/activate
sudo apt-get update -y (por única vez)
sudo apt-get install libportaudio2 (por única vez)
sudo apt-get install -y portaudio19-dev (por única vez)
pip install --upgrade pip
pip install -r requirements.txt
python3 main_local_test.py

  1. Cada opción es una parte del desarrollo. Seleccionar qué se quiere probar en particular.
  2. Si se desea realizar más pruebas particular modificar el archivo con una nueva opción ingresada por input.
  3. En el archivo src/test se encuentran videos y audios para realizar pruebas (esto para reducir el tiempo de los testeos).

Desactivación del virtualenv

deactivate

¿Cómo desarrollar este feature?

El desarrollo debe realizarse mediante leer mensajes de Pubsub de la señal de streaming, filtrar y procesar esos mensajes, parsearlos y mandarlos por elastic.

Flujo vosk-speech-to-text

Formatos admitidos para correr la transcripción

  • mp3
  • mp4
  • avi
  • mkv
  • ts
  • wav

¿En dónde se puede dejar corriendo el feature?

Recomendable y deseable: VM de GCP

Configuración necesaria: Kubernetes

No recomendable: local

Versión de Python utilizada para crearlo

Python 3.8.5

Directorios

  • config: archivos de configuración

    • config.env: archivo con las variables de entorno
    • vosk_config: modelos de configuración de Vosk

  • images: imágenes del README del repositorio

  • files: archivos que se van descargando para aplicarle Vosk

    • global_test: chunks del canal GLOBAL TEST

  • logs: configuración de los logs

    • parse_logs: logs de los parse

  • src: código

    • test: archivos para utilizar en los test
    • examples: archivos para tener en cuenta

Configuración

Esto cambiará en un futuro, pero actualmente se debe hacer en el mismo repositorio:

  1. Se debe configurar los canales que pueden acceder a esta funcionalidad en: config/channel_config.py
  • Añadir un nuevo canal: agregarlo al diccionario CHANNELS.
  • Eliminar un nuevo canal: eliminarlo del diccionario CHANNELS.
  1. Configurar idiomas del speech en: config/vosk_config cada archivo model_ es un idioma añadido y configurado. Si se desea añadir un nuevo idioma se debe establecer la lógica para detectarlo.
  2. Cada modelo tiene una manera diferente de realizar el output del speech, por lo tanto se debe tener en cuenta esto para poder procesar los mensajes, parsearlos y mandarlos a elastic.
  3. Los modelos pueden ser añadidos directamente o descargados.

¿Cómo configurar Elastic?

Elastic es la herramienta principal para poder realizar las búsquedas de texto. Todos los mensajes enviados se encuentran en el index qque se configure en INDEX_ELASTIC del archivo config_speech/elasticsearch_dsl_config.py (recordar que uno debe tener ya creado el servidor en Elasticsearch para poder acceder al index y configurar el host en HOST_ELASTIC)

Si se desea cambiar la configuración del mapeo se debe borrar el index, inicializarlo nuevamente con el documento modificado.

Mapeo de Elastic

{ - 
  "parse-speech": { - 
    "mappings": { - 
      "properties": { - 
        "channel_id": { - 
          "type": "integer"
        },
        "channel_name": { - 
          "type": "text",
          "fields": { - 
            "raw": { - 
              "type": "keyword"
            }
          },
          "analyzer": "snowball"
        },
        "end_time": { - 
          "type": "date"
        },
        "end_word": { - 
          "type": "text",
          "fields": { - 
            "raw": { - 
              "type": "keyword"
            }
          },
          "analyzer": "snowball"
        },
        "first_time": { - 
          "type": "date"
        },
        "first_word": { - 
          "type": "text",
          "fields": { - 
            "raw": { - 
              "type": "keyword"
            }
          },
          "analyzer": "snowball"
        },
        "sentence": { - 
          "type": "text",
          "fields": { - 
            "raw": { - 
              "type": "keyword"
            }
          },
          "analyzer": "snowball"
        }
      }
    }
  }
}

Cerebro

Esta herramienta nos sirve para poder visualizar los indexs, mapeos, cantidad de espacio utilizado, y cantidad de documentos de elastic.

La forma más sencilla de correrlo es con su propio docker

docker run -e CEREBRO_PORT=8000 -p 8000:8000 lmenezes/cerebro

Ir al puerto levantado:

http://localhost:8000/#/connect

Luego ingresar el servidor de elastic en el Node address.

Uso de Pubsub

Recibe las señales de chunks en streaming por mensajes de los cuales se deben filtrar los canales que queremos y "preparar" dichos mensajes.

La configuración para esto debe realizarse en src/my_pubsub.py:

class Pubsub():
    def __init__(self):
        PROJECT_PATH = "projects/project_name"
        TOPIC_NAME = 'topic_name'
        self.TOPIC_PATH = f"{PROJECT_PATH}/topics/"+TOPIC_NAME
        self.SUBSCRIPTION_PATH = f"{PROJECT_PATH}/subscriptions/"+'topic_name'
        self._set_google_credentials()

Configuración necesaria para GCP:

Se debe modificar/reemplazar el archivo config_speech/service_account.json

{
  "type": "service_account",
  "project_id": "name-proyect",
  "private_key_id": "key",
  "private_key": "key",
  "client_email": "[email protected]",
  "client_id": "id",
  "auth_uri": "https://accounts.google.com/o/oauth2/auth",
  "token_uri": "https://oauth2.googleapis.com/token",
  "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
  "client_x509_cert_url": "url"
}

Comandos

Ver los procesos corriendo en background:
fg
Estilo del código (PEP8):
pycodestyle . --exclude=ignore_*,config_speech/channel_config.py
Eliminar todos los modelos:
python3 clear_models.py

  1. type: y

Acerca de VOSK

¿Qué es VOSK?

VOSK es una librería que se puede utilizar para realizar transcripciones de voz/audio a texto de manera offline. Funciona a través de modelos los cuáles uno puede definir, crear y utilizar pero existen modelos comunitarios (libres) en los cuáles ya están definidos los idiomas y esquemas a utilizar.

Links de VOSK

Documentación general de la librería
Librería en Python
Modelos de VOSK

¿Cómo añadir nuevos idiomas al feature?

Debido a que VOSK trabaja con modelos y estos deben ser definidos, configurados y entrenados, dependiendo el modelo es el formato del output del mismo, por lo cual depende qué tan diferentes estén definidos los formatos para realizar el parseo y posterior envío por elastic.

Normas ISO 639 1

La identificación de cada modelo de idioma es tomado por las siglas de las normas ISO 639-1.

Idiomas soportados por VOSK

Este es el listado de todos los idiomas que puede expandirse este fetuare:

  • English,
  • Indian English,
  • German,
  • French,
  • Spanish,
  • Portuguese,
  • Chinese,
  • Russian,
  • Turkish,
  • Vietnamese,
  • Italian,
  • Dutch,
  • Catalan,
  • Arabic,
  • Greek,
  • Farsi,
  • Filipino.

Idiomas configurados actualmente para este feature

  • Spanish,
  • English

En el futuro: NLP

La idea es poder crear nuestros propios modelos de VOSK para cada idioma añadiendole redes neuronales las cuales serían entrenadas con NLP. Esto supone una enorme expansión de esta funcionalidad para el futuro.

Ejemplo Actions Github

Añadí un ejemplo básico de actions con el archivo check_codestyle.yml con su requirements_tci.txt

  • Checkea el estilo del código (PEP8)

Ejemplo Gitlab CI/CD

Añadí un ejemplo básico de .gitlab-ci.yml con su requirements_tci.txt

  • Checkea el estilo del código (PEP8)

Extra

https://shields.io/

https://pypi.org/project/python-dotenv/

Grafana (para futuro)

Permite mandar alertas, crear queries para visualizar en gráficos y realizar consultas.

Autor

Github: shirosweets

Email de contacto: [email protected]

Valentina Vispo ≧◠ᴥ◠≦