Установка и использование Kaldi сервера вместе с Астериск

Иногда встречаются задачи, когда необходимо использовать различные сервисы распознавания речи. Поскольку web сервисы используют плату за оказание таких услуг, то в данной статье рассмотрим бесплатный способ без внешних сервисов. В рамках этой статьи опишем процесс установки докера и запуск контейнера с сервером распознавания речи. Немного опишем про сервис Kaldi, который будет распознавать речь в текст, а также приведем пример как это можно использовать в Asterisk.

Вся установка докера разделяется на два способа:

• Установка из репозиториев
• Установка из исходников

Для начала разберем установку из репозиториев. Она начинается с подключения дополнительных репозиториев, откуда будет производиться скачивание исходников. Чтобы добавить нужные репы скачаем пакет yum-utils. А с помощью yum-config-manager добавим нужный репозиторий.

# yum install -y yum-utils
# yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

# yum-config-manager --enable docker-ce-nightly
# yum-config-manager --enable docker-ce-test

Теперь начнём с установку докера. Она выполняется с помощью менеджера пакетов yum.

# yum install docker-ce docker-ce-cli containerd.io

Осталось запустить службу докера и добавить его в автозагрузку.

# systemctl start docker
# systemctl enable docker

Теперь будет описана установка из rpm пакета.

Как и в прошлом варианте, нам необходимо установить несколько пакетов:

• docker-ce
• docker-ce-cli
• containerd.ioэ

Для этого скачиваем с помощью wget rpm пакеты по этой ссылке.

Теперь с помощью yum их устанавливаем.

# yum install /path/to/rpm/file/containerd.io-1.2.0-3.el7.x86_64.rpm 
# yum install /path/to/rpm/file/docker-ce-19.03.9-3.el7.x86_64.rpm
# yum install /path/to/rpm/file/docker-ce-cli-19.03.9-3.el7.x86_64.rpm

И как в примере выше запускаем службу и добавляем в автозагрузку

# systemctl start docker
# systemctl enable docker

Сервер Kaldi

Kaldi — инструмент для распознавания речи с открытым исходным кодом. Особенность проекта состоит в современном и гибком коде, написанном на C ++. Код легко модифицировать и дополнять.

Немного описав, что такое Kaldi, можно приступать к его установке.

Установку из исходников, в этой статье рассматривать не будем, с ней вы можете ознакомиться на страничке в github перейдя по этой ссылке.

Сейчас будем запускать докер-контейнер, в котором работает утилита. Команда взята с git странички разработчика alphacep

# docker run -d -p 2700:2700 alphacep/kaldi-ru:latest

Контейнер используется для распознавания русской речи. Если нужны другие языки измените регион в команде, На данный момент поддерживается несколько языков:
● en — английский
● ru — русский
● cn — китайский
● de — немецкий

Дополнительно скачаем сервер распознавания речи, который будет обращаться к Kaldi для распознавания.

# cd /usr/src/
# git clone https://github.com/alphacep/vosk-server
# cd vosk-server/websocket

При запуске этого сервиса используется Python скрипт версии 3. Но для его работы необходимо установить модуль websockets. Поэтому выполним его установку: # pip3.6 install websockets

Проверяем установленный сервис, запустив проверочный скрипт

# ./test.py test.wav