Spracherkennung in Python vosk

Question

Wie funktioniert die Spracherkennung in Python mit vosk?

Answer 1

Zuerst installierst du die erforderlichen Pakete.

python -m pip install vosk sounddevice

Dann ladest du ein Sprachmodell herunter, z.B deutsch

curl https://alphacephei.com/vosk/models/vosk-model-small-de-0.15.zip -o vosk-model-small-de-0.15.zip

Hier ist ein Beispiel Script.

import sounddevice as sd
import queue
import sys
import json
from vosk import Model, KaldiRecognizer

# Modellpfad (Ordner entpackt)
MODEL_PATH = "vosk-model-small-de-0.15"

# Audiokonfiguration
samplerate = 16000  # Muss zu Modell passen
device = None  # None = Standardgerät verwenden

# Queue für Audioaufnahme
q = queue.Queue()

# Callback für SoundDevice
def callback(indata, frames, time, status):
    if status:
        print(f"Fehler: {status}", file=sys.stderr)
    q.put(bytes(indata))

# Lade das Modell
print("Lade Sprachmodell...")
model = Model(MODEL_PATH)
recognizer = KaldiRecognizer(model, samplerate)
recognizer.SetWords(True)

# Starte den Stream
with sd.RawInputStream(samplerate=samplerate, blocksize=8000, device=device, dtype='int16', channels=1, callback=callback):
    print("Sprich etwas ins Mikrofon... (Strg+C zum Beenden)")
    try:
        while True:
            data = q.get()
            if recognizer.AcceptWaveform(data):
                result = json.loads(recognizer.Result())
                print("Erkannt:", result.get("text", ""))
            else:
                partial = json.loads(recognizer.PartialResult())
                print("Teil:", partial.get("partial", ""))
    except KeyboardInterrupt:
        print("\nBeendet")