Простой веб-сервис распознавания речи с помощью PocketSphinx.

docker run -d \
  --name=rhvoice-rest \
  -p 8085:8085 \
  --restart unless-stopped \
  ghcr.io/aculeasis/pocketsphinx-rest:latest

Поддерживаемые архитектуры:

Для автоматического обновления можно использовать Watchtower.

git clone https://github.com/Aculeasis/pocketsphinx-rest
cd pocketsphinx-rest
# Указать Dockerfile под целевую архитектуру
docker build -t pocketsphinx-rest -f Dockerfile.arm64v8 .
docker run -d -p 8085:8085 pocketsphinx-rest

Просто отправить файл через POST

POST /stt
Host: SERVER
Content-Type: audio/x-wav 
(wav file)

Требования к файлу:

• Формат - wav
• Число каналов - 1 (моно)
• Частота дискретизации - 16 000 Гц
• Квантование - 16 бит.

Если нужно, перекодируйте файл перед отправкой.

Сервер пришлет ответ в json, где:

• code - код ошибки или 0
• text - распознанный текст если code равен 0 иначе сообщение об ошибке

examples

Для проверки сервера можно использовать pocketsphinx_rest_file.py FILE [URL]

• Из-за большого словаря для запуска нужно минимум 1 GB RAM.
• Распознование происходит в однопоточном режиме, что накладывает высокие требования на производительность CPU core. На OPI Prime распознование фраз занимает от 10 до 40 секунд.
• Веб-сервер также запущен в однопоточном режиме.
• Качество распознования оставляет желать лучшего ужасно.
• Поддерживается только русский язык.

• PocketSphinx https://github.com/cmusphinx/pocketsphinx
• Pocketsphinx Python https://github.com/bambocher/pocketsphinx-python