Initial commit

vosk_local_STT.py

@@ -0,0 +1,102 @@
+# vosk_stt.py
+import json
+import yaml
+import logging
+from datetime import datetime
+from vosk import Model, KaldiRecognizer
+
+class VoskSTT:
+    def __init__(self, model_path="/home/sirmrak/models/vosk-model-small-ru-0.22", commands_file="/mnt/Project/my_speaker/commands/commands.yaml", sample_rate=16000):
+        """
+        Инициализирует Vosk STT с моделью и словарем команд из YAML файла.
+        
+        :param model_path: Путь к модели Vosk (vosk-model-small-ru-0.22)
+        :param commands_file: Путь к файлу commands.yaml
+        :param sample_rate: Частота дискретизации аудио (по умолчанию 16000)
+        """
+        self.model_path = model_path
+        self.commands_file = commands_file
+        self.sample_rate = sample_rate
+        self.model = None
+        self.recognizer = None
+        self._load_model()
+        self._load_commands()
+
+    def _load_model(self):
+        """Загружает модель Vosk."""
+        logger = logging.getLogger('VADApp')
+        try:
+            self.model = Model(self.model_path)
+            logger.info(f"Модель Vosk загружена: {self.model_path}")
+        except Exception as e:
+            logger.error(f"Ошибка загрузки модели: {e}")
+            raise
+
+    def _load_commands(self):
+        """Формирует словарь (список фраз) из commands.yaml и инициализирует recognizer."""
+        logger = logging.getLogger('VADApp')
+        try:
+            with open(self.commands_file, 'r', encoding='utf-8') as f:
+                commands = yaml.safe_load(f)
+            
+            phrases = []
+            
+            # Собираем все фразы из всех разделов
+            for section, content in commands.items():
+                if section in ['Wakewords', 'Session']:
+                    # Обрабатываем списки с вложенными phrases
+                    for item in content:
+                        if isinstance(item, dict) and 'phrases' in item:
+                            phrases.extend(item['phrases'])
+                elif section == 'Volume':
+                    # Обрабатываем новую структуру Volume с приоритетом
+                    for item in content:
+                        if isinstance(item, dict) and 'commands' in item:
+                            phrases.extend(list(item['commands'].keys()))
+                elif section == 'Text':
+                    # Обрабатываем новую структуру Text с приоритетом
+                    for item in content:
+                        if isinstance(item, dict) and 'commands' in item:
+                            phrases.extend(list(item['commands'].keys()))
+            
+            # Удаляем дубликаты и сортируем
+            phrases = sorted(set(phrases))
+            
+            # Инициализируем recognizer с грамматикой (списком фраз)
+            grammar = json.dumps(phrases, ensure_ascii=False)
+            self.recognizer = KaldiRecognizer(self.model, self.sample_rate, grammar)
+            
+            logger.info(f"Словарь команд загружен: {len(phrases)} фраз")
+            logger.debug(f"Фразы: {phrases}")
+        except Exception as e:
+            logger.error(f"Ошибка загрузки команд: {e}")
+            raise
+
+    def recognize(self, audio_data):
+        """
+        Распознает речь из аудио данных (bytes).
+        
+        :param audio_data: Bytes аудио (16-bit PCM, mono)
+        :return: Распознанный текст или None если ничего не распознано
+        """
+        logger = logging.getLogger('VADApp')
+        try:
+            if not self.recognizer.AcceptWaveform(audio_data):
+                # Частичный результат (если нужно, но для коротких команд используем Final)
+                partial = json.loads(self.recognizer.PartialResult()).get("partial", "")
+                if partial:
+                    logger.debug(f"Частичный результат: {partial}")
+            result = json.loads(self.recognizer.FinalResult()).get("text", "")
+            if result:
+                logger.info(f"Распознанная команда: {result}")
+                return result
+            else:
+                logger.info("Ничего не распознано")
+                return None
+        except Exception as e:
+            logger.error(f"Ошибка распознавания: {e}")
+            return None
+
+    def reload_commands(self):
+        """Перезагружает словарь команд из файла."""
+        self._load_commands()