https://github.com/ireoo/autotalk.core

Last synced: 9 months ago
JSON representation

README

# AutoTalk 语音识别应用

基于Python+Qt实现的跨平台语音识别桌面应用，用于连接语音识别服务器，实现实时语音识别功能。

## 功能特点

- 服务器连接设置：可配置服务器地址和端口
- 语言选择：支持中文、英文、日语、法语、德语等多种语言
- 音频设备选择：可选择麦克风和扬声器设备
- 音频频谱图：实时显示音频频谱
- 语音识别：采集音频并发送至服务器进行识别
- 识别结果显示：显示服务器返回的识别文本

## 安装依赖

1. 确保已安装Python 3.6+
2. 安装所需依赖库：

```bash
pip install PyQt5 numpy pyaudio websocket-client
```

注意：PyAudio可能需要额外的系统依赖：
- Windows：可能需要Visual C++ Build Tools
- Linux：需要安装portaudio19-dev
- macOS：需要安装portaudio

## 使用方法

1. 启动应用：

```bash
python autotalk_app.py
```

2. 配置服务器连接：
- 输入服务器地址和端口（默认为127.0.0.1:3000）
- 点击"连接服务器"按钮

3. 选择语言和音频设备：
- 从下拉列表中选择识别语言
- 选择麦克风设备

4. 录制和识别音频：
- 点击"开始录音"按钮开始录制
- 说话或播放要识别的音频
- 点击"识别语音"按钮发送音频数据进行识别
- 或点击"停止录音"按钮停止录制

5. 识别结果将显示在"识别结果"区域

## 服务器通信协议

应用通过WebSocket协议与服务器通信：
- 客户端发送包含语言代码和音频数据的JSON
- 服务器返回包含识别文本的JSON或纯文本

## 故障排除

- 如果无法连接到服务器：
- 确认服务器地址和端口是否正确
- 检查服务器是否已启动
- 检查网络连接和防火墙设置