🤖🎙️ S.T.A.R.K. – первый фреймворк для создания голосового ассистента

Привет, любители технологий! Сегодня я рад представить вам S.T.A.R.K. (Speech and Text Algorithmic Recognition Kit). Если вы когда-либо мечтали создать голосового ассистента, который будет современным, продвинутым и невероятно интуитивным, S.T.A.R.K. – лучшее решение.

Почему именно S.T.A.R.K.?

1. Автономность и конфиденциальность: S.T.A.R.K. работает полностью на устройстве, гарантируя сохранность ваших данных.
2. Распознавание контекста: С S.T.A.R.K. вы можете легко определять контекст и параметры для последующих запросов, а также одновременно выполнять несколько команд.
3. Асинхронные команды: Запустите задачу и продолжайте использовать ваш голосовой ассистент. S.T.A.R.K. уведомит вас о завершении.
4. Множественные ответы: Получайте обновления в реальном времени для текущих задач, будь то мониторинг процесса загрузки или отслеживание доставки.
5. Продвинутый синтаксический анализ: Специальная синтаксическая система упрощает извлечение любого параметра из строк.
6. Расширяемость с помощью ведущих языковых моделей: Улучшите когнитивные способности S.T.A.R.K., интегрируя его с ведущими языковыми моделями, такими как ChatGPT.
7. Поддержка нескольких языков: Взаимодействуйте со своим голосовым ассистентом на нескольких языках.
8. Полная настройка: Создавайте сложные команды, интегрируйте различные голосовые или текстовые интерфейсы и даже переопределяйте существующие классы.
9. Поддержка сообщества: Присоединяйтесь к репозиторию STARK-PLACE и пользуйтесь библиотекой расширений от сообщества.

Установка

Убедитесь, что у вас установлен python версии 3.10 или выше. Для установки фреймворка со всеми зависимостями достаточно одной команды.

🐍 Библиотека питониста

Больше полезных материалов вы найдете на нашем телеграм-канале «Библиотека питониста»

🐍🎓 Библиотека собеса по Python

Подтянуть свои знания по Python вы можете на нашем телеграм-канале «Библиотека собеса по Python»

🐍🧩 Библиотека задач по Python

Интересные задачи по Python для практики можно найти на нашем телеграм-канале «Библиотека задач по Python»

Минимальное приложение

Для этого руководства мы будем использовать реализацию Vosk для распознавания речи и Silero для синтеза речи. Прежде чем начать, вам нужно будет указать URL-адреса для моделей. Как Vosk, так и Silero поддерживают автоматическую загрузку и кеширование моделей при их первом использовании. Найти модели можно на официальных страницах:

1. Vosk
2. Silero

Пример ссылок на модели для русского языка:

После выбора моделей, можно приступать к добавлению команд. Минимальное приложение на одну команду выглядит следующим образом:

1. Импорт необходимых модулей, включая anyio для асинхронного выполнения, и модули из библиотеки Stark для работы с речью: командами, распознаванием и синтезом речи.
2. Задание URL-адресов моделей для распознавания (Vosk) и синтеза (Silero) речи.
3. Создание объектов для распознавания (recognizer), синтеза (synthesizer) и управления командами (manager) с использованием указанных моделей.
4. Определение новой команды «привет» с текстовым ответом «Привет, мир!».
5. Определение асинхронной функции main(), которая запускает выполнение команд через Stark с использованием распознавания и синтеза речи. Запуск приложения с помощью anyio.run(main) при условии, что код выполняется как основная программа (if name == 'main').

Как можно заметить, для создания команды достаточно определить одну функцию и передать шаблон в декораторе.

Статья по теме

🗣️ Решаем задачу перевода русской речи в текст с помощью Python и библиотеки Vosk

Присоединяйтесь к нам

Для более подробного изучения каждой функции и понимания всех возможностей S.T.A.R.K. посетите официальную документацию и репозиторий на GitHub. Если вам понравился фреймворк, не забудьте добавить звезду ⭐ репозиторию.

***

Автор: Марк Паркер

www.markparker.me

Телеграм-канал: t.me/parker_is_typing