Голосовой ассистент. Что доступно?

Есть легче?

Да я вообще альтернатив то не знаю. Так что хз.

А здесь какое-то колдунство!

Файл

./cvoicecontrol/mixer.c

строка 224

devices->name = malloc(sizeof ("mixer"));

тут и падает… какого черта? о_О

но , блин, если я вписываю следующей строкой проверку

devices->name = malloc(sizeof ("mixer"));
if(! devices->name) printf("err!\n");

оно ошибки не выдает, а тупо запускается!


Я даже не знаю как это так... это против правил... вот дак хрень... пошел спать...

Если устроит библиотека и не боишься написать полсотни строк кода, то тебе нужен pocketsphinx. Штука простая, пробовал с английским.

if(! devices->name)

Какая то оптимизация в твоём компиляторе берёт на сабя слишком много, if её останавливает.

if(! devices->name)

Попробуй так же обратный вариант:

if(devices->name)
{
    ...
}

Попробовал

if( devices->name) printf("ok!\n");

все работает

Более того, даже просто без проверки

 printf("ok!\n");

не падает и запускается…

Видимо задачка для олимпиады по программированию…

Более того, даже просто без проверки

Не совсем. Это связано с комбинацией malloc+glob. Уже не первый раз натыкаюсь на «чудеса» при оптимизации.

не падает и запускается…

0.9.1

https://github.com/Sound-Linux-More/cvoicecontrol/releases

отлично!

собитается и запускается «из коробки» :)

Действительно, все заработало и это очень радует. Теперь вопрос, как прикрутить Кириллицу в команды?

как прикрутить Кириллицу в команды?

Чего? Нахрена её прикручивать?

Почему бы нет? Ну да хрен с ним, можно и без этого обойтись. Время сэмпла ограничено? При попытке записать фразу из нескольких слов пишется только конец.

Время сэмпла ограничено?

Пока ковырял, никаких ограничений не встречал. Мож пропустил? Хз.

Мда… Как бы заработало, более того, при первом запуске почти исправно отрабатывало одну команду. Почти потому, что много ложных срабатываний. Но что-то пошло не так - с какого-то момента по непонятной причине вис после отработки команды. Т.е. первый раз срабатывает, после нет и курсор перестает моргать. Действительно с лёгкостью я погорячился - грузит одно ядро на 90%.

грузит одно ядро на 90%.

И с распараллеливанием тоже лучше не играться. Я просто не представляю, как будет разруливаться доступ к /dev-ам при параллельном исполнении.

с лёгкостью я погорячился

Была идея пользовать dct (то бишь vorbis). Это вроде позволит сократить объем распознаваемых данных. Но здесь курить и курить не по-детски.

По-уму, он должен незначительно грузить одно ядро в idle state, и заметно нагружать лишь при повышении уровня сигнала выше «Silence Level». Попробуй Silence Level и Stop Level в config увеличить, может он пытается распознать всё подряд.

Я всё-же наверно потихоньку перепилю его под ALSA - https://github.com/stanson-ch/cvoicecontrol Вроде даже уже шевелится, кроме того всякие опции добавляю, для отладки verbose и пр. Пока для «искаробочного» пользования не готов, но если не терпится, то поддержка ALSA там в общем-то уже добавлена, правда без бубна будет default девайс использовать. По-хорошему, там дофига чего можно оптимизировать, а если вообще весь матан в GPU (OpenCL, например) вынести, то жрать процессор вообще не будет.

На самом деле, очень простая штуковина, и метод распознавания простой как 3 копейки - просто находит кратчайший вектор (по умолчанию - 16-тимерный) от сказанной команды до образцов в процессе dynamic time warping. Киллер-фича - оно реагирует только на твой голос, а не на всех подряд, как все эти модные облачные AI распознавалки.

потихоньку перепилю его под ALSA

Ты еще от goto не избавился (https://github.com/stanson-ch/cvoicecontrol/search?q=goto&unscoped_q=goto), так что тебе ещё копать и копать. Но желаю удачи в добром пути.

Была идея пользовать dct (то бишь vorbis). Это вроде позволит сократить объем распознаваемых данных.

Не получится. Там FFT и всё такое, а сжатие всё попортит. Кроме того, там wav сохраняется чисто для приличия, на самом деле для распознавания используются feature vectors для каждого фрейма полученные посредством FFT из аудиосигнала. Один фрейм (256 signed short) даёт 16 float. Так что там и так уже всё пожатое.

Ты еще от goto не избавился

А я и не собираюсь от них избавляться. Более того, я уже добавил несколько и ещё добавлю по необходимости. Не вижу вообще ничего плохого ни в goto, ни в switch. Не нравится - флаг в руки, барабан на шею, сырцы есть, никто не запрещает запилить так, как хочется, да хоть на расте с го переписывай.

Один фрейм (256 signed short) даёт 16 float.

= 88kbps. Для речи многовато. Хотелось бы поменьше.

Для речи многовато. Хотелось бы поменьше.

А это не для минимального размера, это для распознавания.

Можно сделать меньше, передя на 8bit/8000kHz, но точность пострадает.

Не вижу вообще ничего плохого ни в goto, ни в switch

Твоя правда. А мне не нравится. «В глазах раздваивается» от этих goto.

А мне не нравится когда много вложенных if. Вкусовщина, ибо на выходе всё равно одно и то же получится. :)

А это не для минимального размера, это для распознавания.

Так я о том и говорю. Что данных для распознавания многовато, а их значения маловато. Вопрос нагрузки же.

передя на 8bit/8000kHz

Пробовал подобную дискретизацию. Не оправдывает себя ни по нагрузке, ни по «цена/качество».

Время сэмпла ограничено?

Таки да. Есть ограничение: https://github.com/Sound-Linux-More/cvoicecontrol/blob/28214850f4fd27aaf91de78ad9df16b69ac56765/src/audio.h#L45-L46