Lab04

Sintetização de voz¶

A sintetização de voz é o processo para converter texto em voz. Podemos utilizar diversas ferramentas para realizar esse processo via API, em python podemos utilizar:

eSpeak
pyTTSx
gTTS

pyttsx3¶

O pyttsx3 possui suporte para diversos idiomas incluindo português, roda offline, é muito simples e intuitiva de usar.

link documentação: https://pyttsx3.readthedocs.io/en/latest/index.html

No windowns, o pttsx3 utiliza a engine SAPI5, caso tenha problemas tente instalar esse lib.

Instalação¶

Instalação pelo comando: pip install pyttsx3

In [ ]:

            
                Copied!
                
!pip install pyttsx3
!pip install pyttsx3

Hello World¶

In [3]:

            
                Copied!
                
#importa a biblioteca
import pyttsx3

#inicializa o objeto
tts = pyttsx3.init()

#define a msg
msg = "Hello World"

tts.say(msg)  #adiciona msg na fila de processamento
tts.runAndWait()  ##reproduz a msg da fila
#importa a biblioteca
import pyttsx3

#inicializa o objeto
tts = pyttsx3.init()

#define a msg
msg = "Hello World"

tts.say(msg)  #adiciona msg na fila de processamento
tts.runAndWait()  ##reproduz a msg da fila

In [4]:

            
                Copied!
                
# ou simplesmente invocar o método pyttsx3.speak() 

pyttsx3.speak("Hello World")
# ou simplesmente invocar o método pyttsx3.speak() 

pyttsx3.speak("Hello World")

Desafio1¶

Troque a msg para uma frase em português. Ficou boa a reprodução?

In [ ]:

            
                Copied!
                
### seu código aqui...
### seu código aqui...

Configurando idioma, velocidade, volume¶

Por padrão o idioma é inglês, frases em português vão ficar com 'sotaque' bem estranho, vamos alterar o idioma para português-brasil.

In [5]:

            
                Copied!
                
voices = tts.getProperty("voices") 
for voice in voices:
     print(voice.id,'\n', voice.name,'\n', voice.languages)
voices = tts.getProperty("voices") 
for voice in voices:
     print(voice.id,'\n', voice.name,'\n', voice.languages)

HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_PT-BR_MARIA_11.0 
 Microsoft Maria Desktop - Portuguese(Brazil) 
 []
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_EN-US_ZIRA_11.0 
 Microsoft Zira Desktop - English (United States) 
 []

O método setProperty configura o pyttsx3

voices[0].id =>português

voices[1].id =>inglês

exemplo: engine.setProperty('voice', voices[1].id)

In [10]:

            
                Copied!
                
import pyttsx3

en = pyttsx3.init()

en.setProperty('rate', 100) #configura taxa de velocidade (palavras por minuto)
en.setProperty('volume', 1) # configura volume
en.setProperty('voice', voices[0].id) # configura idioma

msg = "Olá mundo!"

en.say(msg)
en.runAndWait()
import pyttsx3

en = pyttsx3.init()

en.setProperty('rate', 100) #configura taxa de velocidade (palavras por minuto)
en.setProperty('volume', 1) # configura volume
en.setProperty('voice', voices[0].id) # configura idioma

msg = "Olá mundo!"

en.say(msg)
en.runAndWait()

Conversor de texto em Voz¶

In [11]:

            
                Copied!
                
                    
                    
                
                

        
import pyttsx3
  
engine = pyttsx3.init()

voices = engine.getProperty("voices") 
engine.setProperty('voice', voices[0].id) #brasil
engine.setProperty('volume', 1)
engine.setProperty("rate", 155)

#Processa as modificações feitas até o momento
engine.runAndWait() 

#Loop principal
while True:
    #Pega a entrada do usuário
    frase = input("> digite uma frase (fim! => para fechar).") 
    if frase != "fim!":
        #Coloca frase na fila de processamento da engine
        engine.say(frase)
        #Executa os comandos da fila (no caso, say(frase) )
        engine.runAndWait()
    
    else:
        break
import pyttsx3
  
engine = pyttsx3.init()

voices = engine.getProperty("voices") 
engine.setProperty('voice', voices[0].id) #brasil
engine.setProperty('volume', 1)
engine.setProperty("rate", 155)

#Processa as modificações feitas até o momento
engine.runAndWait() 

#Loop principal
while True:
    #Pega a entrada do usuário
    frase = input("> digite uma frase (fim! => para fechar).") 
    if frase != "fim!":
        #Coloca frase na fila de processamento da engine
        engine.say(frase)
        #Executa os comandos da fila (no caso, say(frase) )
        engine.runAndWait()
    
    else:
        break

> digite uma frase (fim! => para fechar).oi pessoal, tudo bem??w
> digite uma frase (fim! => para fechar).aqui está bacana.
> digite uma frase (fim! => para fechar).fim!

Reconhecimento de voz¶

O reconhecimento de voz é o processo para converter voz em texto. Podemos utilizar diversas ferramentas para realizar esse processo via API, em python podemos utilizar:

pocket sphink
speech recognition

speech recognition¶

link documentação: https://github.com/Uberi/speech_recognition

Instalação¶

Instalação pelo comando: pip install SpeechRecognition

In [ ]:

            
                Copied!
                
#!pip install SpeechRecognition
#!pip install SpeechRecognition

dica de instalação¶

Se você usa o python3.10 talvez tenha dificuldade com o pyaudio. Acesse o link e veja uma possivel solução.

Processando voz¶

In [ ]:

            
                Copied!
                
import speech_recognition as sr

recon = sr.Recognizer()

with sr.Microphone() as source:
    print("fale algo ")
    audio = recon.listen(source)
    print("processando...")
    print(recon.recognize_google(audio,language='pt'))
import speech_recognition as sr

recon = sr.Recognizer()

with sr.Microphone() as source:
    print("fale algo ")
    audio = recon.listen(source)
    print("processando...")
    print(recon.recognize_google(audio,language='pt'))

fale algo

Assistente virtual¶

In [1]:

            
                Copied!
                
                    
                    
                
                

        
import pyttsx3, speech_recognition as sr


engine = pyttsx3.init()

voices = engine.getProperty("voices") 
engine.setProperty('voice', voices[0].id) #brasil
engine.setProperty('volume', 1)
engine.setProperty("rate", 155)

#Processa as modificações feitas até o momento
engine.runAndWait() 

def speak(audio):
    engine.say(audio)
    engine.runAndWait()

# Ouve o usuario.
def command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("\n  Listening...\n")
        speak('ouvindo')
        r.adjust_for_ambient_noise = 1.25
        r.pause_threshold = 1
        audio = r.listen(source)
    try:
        print("  Recognizing...\n")
        speak('Espera um pouco pra eu tentar entender.')
        query = r.recognize_google(audio, language='pt')
        #print(query)
    except:
        return "©empty_^_^_queryª"
    return query



speak("Como posso ajudar hoje?")
if __name__ == "__main__":
    while True:

        query = command().lower()
        if '1' in query or 'um' in query:
            print("opção: 1 ")
            speak("você escolheu a opção numero 1")
        elif '2' in query or 'dois' in query:
            print("opção: 2")
            speak('você escolheu a opção numero 2')
        elif '3' in query  or 'três' in query:
            print("opção: 3")
            speak("você escolheu a opção numero 3")
            
        elif 'fim' in query or 'sair' in query : 
            print("sair")
            speak("valeu chapa, até a próxima!")
            break
  

        else:

            print("opção invalida")
            speak('não entendi o que você disse.')
            speak("Por favor, vamos tentar novamente. escolha uma opção válida.")
import pyttsx3, speech_recognition as sr


engine = pyttsx3.init()

voices = engine.getProperty("voices") 
engine.setProperty('voice', voices[0].id) #brasil
engine.setProperty('volume', 1)
engine.setProperty("rate", 155)

#Processa as modificações feitas até o momento
engine.runAndWait() 

def speak(audio):
    engine.say(audio)
    engine.runAndWait()

# Ouve o usuario.
def command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("\n  Listening...\n")
        speak('ouvindo')
        r.adjust_for_ambient_noise = 1.25
        r.pause_threshold = 1
        audio = r.listen(source)
    try:
        print("  Recognizing...\n")
        speak('Espera um pouco pra eu tentar entender.')
        query = r.recognize_google(audio, language='pt')
        #print(query)
    except:
        return "©empty_^_^_queryª"
    return query



speak("Como posso ajudar hoje?")
if __name__ == "__main__":
    while True:

        query = command().lower()
        if '1' in query or 'um' in query:
            print("opção: 1 ")
            speak("você escolheu a opção numero 1")
        elif '2' in query or 'dois' in query:
            print("opção: 2")
            speak('você escolheu a opção numero 2')
        elif '3' in query  or 'três' in query:
            print("opção: 3")
            speak("você escolheu a opção numero 3")
            
        elif 'fim' in query or 'sair' in query : 
            print("sair")
            speak("valeu chapa, até a próxima!")
            break
  

        else:

            print("opção invalida")
            speak('não entendi o que você disse.')
            speak("Por favor, vamos tentar novamente. escolha uma opção válida.")

  Listening...

  Recognizing...

sair

In [ ]:

Last update: September 17, 2022