Juliusで音声認識サーバを立てて，wavファイルをPOST送信して認識する

音声認識を手軽に使いたい！という方必見．

googleの音声認識WebAPIのように使える音声認識サーバを立ち上げよう！
Juliusサーバに，音声ファイルをPOST送信することで，音声認識結果が返ってくるという，サーバの構築方法を以下に記載します．

Pepperで音声認識させる場合，元から入っている音声認識ソフトウェアだと，音声認識させたい単語をChoregrapheなどで予め入れておく必要があり，なんでも認識できるというわけではありません（Qiitaの記事：Pepperは人間が喋った任意の言葉を認識できるか？）．
（できるかもしれないけど，面倒くさい）

そこで，Pepperアプリ開発者がたどり着くのが，google音声認識です．Pepperのマイクからの音を録音して，googleに音をPOST送信して，結果を受け取るものです．認識できる言葉は多いし，認識精度も良いのですが，結果が返ってくるまでの時間がとても遅く，API使用回数制限もあり，実用に耐えません．

NICTが公開しているRaSCというオープンソース・ソフトウェアがあり，これが使えれば，Juliusと共に用いることで，とても良い音声認識サーバが構築できますが，私は動作させることができませんでした．CentOSじゃないとできないのかな？？私はUbuntuで何度か挑戦しましたが，うまくいかないので諦めました．

使うソフトウェア

・Julius：汎用大語彙連続音声認識エンジン
・Python
・CherryPy：Web Framework

サーバ構築環境

• Ubuntu14.04日本語版

１．Juliusインストール

１．１ソースをダウンロードしてコンパイル

$ cd ~/Downloads
$ wget --trust-server-names "http://osdn.jp/frs/redir.php?m=iij&f=%2Fjulius%2F60273%2Fjulius-4.3.1.tar.gz"
$ tar zxvf julius-4.3.1.tar.gz
$ cd julius-4.3.1
$ ./configure
$ make

１．２音声認識用モデルをダウンロード

$ cd ~/Downloads
$ wget --trust-server-names 'http://osdn.jp/frs/redir.php?m=iij&f=%2Fjulius%2F60416%2Fdictation-kit-v4.3.1-linux.tgz'
$ tar xvzf dictation-kit-v4.3.1-linux.tgz

１．３ディレクトリ構成を綺麗にする

~/Software/julius　の下に，コンパイルしたjuliusバイナリと音声認識用モデルを置く．

$ cd ~
$ mkdir -p ~/Software/julius
$ cp ~/Downloads/julius-4.3.1/julius/julius ~/Software/julius/.
$ mv ~/Downloads/dictation-kit-v4.3.1-linux ~/Software/julius/julius-kit

１．４テスト用音声ダウンロード（私の声です(´・ω・｀)）

「これはマイクのテストです」というwavファイルをダウンロード

$ cd ~/Software/julius
$ mkdir test_wav
$ cd test_wav
$ wget http://sayonari.com/data/test_16000.wav

音を聞いてみたい場合には，play test_16000.wavを実行すれば良い．（実行には，soxがインストールされている必要がある．）

１．５音声認識テスト

$ cd ~/Software/julius/
$ ./julius -C ./julius-kit/am-gmm.jconf -C ./julius-kit/main.jconf -input rawfile

実行すると以下のように表示される

（何やらザザザーっと表示されて）
----------------------- System Information end -----------------------

Notice for feature extraction (01),
	*************************************************************
	* Cepstral mean normalization for batch decoding:           *
	* per-utterance mean will be computed and applied.          *
	*************************************************************

------
### read waveform input
enter filename->

認識させたいファイル名./test_wav/test_16000.wavを入力すると以下のように出力される．

### read waveform input
enter filename->./test_wav/test_16000.wav
Stat: adin_file: input speechfile: ./test_wav/test_16000.wav
STAT: 52832 samples (3.30 sec.)
STAT: ### speech analysis (waveform -> MFCC)
### Recognition: 1st pass (LR beam)
........................................................................................................................................................................................................................................................................................................................................pass1_best:  これ は マイク の テイスト です 。
pass1_best_wordseq: <s> これ+代名詞 は+助詞 マイク+名詞 の+助詞 テイスト+名詞 です+助動詞 </s>
pass1_best_phonemeseq: silB | k o r e | w a | m a i k u | n o | t e: s u t o | d e s u | silE
pass1_best_score: -7939.280273
### Recognition: 2nd pass (RL heuristic best-first)
STAT: 00 _default: 33334 generated, 3165 pushed, 363 nodes popped in 328
sentence1:  これ は マイク の テスト です 。
wseq1: <s> これ+代名詞 は+助詞 マイク+名詞 の+助詞 テスト+名詞 です+助動詞 </s>
phseq1: silB | k o r e | w a | m a i k u | n o | t e s u t o | d e s u | silE
cmscore1: 0.564 0.538 0.329 0.399 0.227 0.131 0.588 1.000
score1: -7946.526367


------
### read waveform input
enter filename->

これでJuliusインストールは成功

２．Webサーバのインストール

CherryPyというシステムを用いて，Juliusをサーバー化させる．
http://www.cherrypy.org/

２．１CherryPyのインストール

$ cd ~/Downloads
$ wget https://pypi.python.org/packages/source/C/CherryPy/CherryPy-3.8.1.tar.gz#md5=919301731c9835cf7941f8bdc1aee9aa
$ tar zxvf CherryPy-3.8.1.tar.gz
$ cd CherryPy-3.8.1
$ sudo python setup.py install

２．２ASRサーバ起動

サーバ起動用のPythonスクリプト
ASRServer.py

サーバ用スクリプトの７行目から１３行目までが，設定項目になっています．
特に，JULIUS_HOME，ASR_FILEPATHは，絶対に設定を変更する必要があります．
JULIUS_HOMEは，juliusの実行バイナリがあるディレクトリ．
ASR_FILEPATHは，音声認識用の音声ファイルや出力テキストなどを保存しておく，temporary的なディレクトリ．

### configure ###########
JULIUS_HOME		= "/home/nishimura/Software/julius/."
JULIUS_EXEC		= "./julius -C ./julius-kit/am-gmm.jconf -C ./julius-kit/main.jconf -input file -outfile"
SERVER_PORT 	= 8000
ASR_FILEPATH	= '/home/nishimura/Public/asr/'
ASR_IN			= 'ch_asr.wav'
ASR_RESULT		= 'ch_asr.out'
OUT_CHKNUM		= 5 # for avoid that the output file is empty

以下のように実行すると，localhostの8000番ポートに，音声認識サーバが立ち上がります．

$ python ASRServer.py

動作説明（上記pythonスクリプト）

• juliusを　-input file（ファイル入力）モードで起動
• 標準入力からファイル名を入れると，そのファイルの認識を行う
  • 外部サーバから，POSTでwaveファイルを送信
  • サーバ上の/home/nishimura/Public/asr/ch_asr.wavに上書き
  • このファイルをjuliusで認識
  • 認識結果を/home/nishimura/Public/asr/ch_asr.outに出力
    • 出力用ファイルch_asr.outは，毎回消される
    • juliusから.outファイルが生成された後，出力結果が5行になるまでループで待つ
    • （待たないと，ファイル内容が無いうちに，中身0なファイルを出力して処理が完了してしまう）

２．３クライアントからの使い方

waveデータを，サーバに対してPOST送信すれば良い．Pythonでは，requestsライブラリを用いると簡単にPOST送信できる．requestsが入っていない場合には，以下のようにして入れると良い．

$ pip install requests

２．３．１クライアントスクリプト

requestsを用いたPOST送信の方法は以下のとおり．urlとfilesの中のwavファイル名は，各自書き換えること．

ASRClient_simple.py
音声ファイル：test_16000.wav
（※音声ファイルは，「右クリック→ファイルへ保存」などで保存してください．）

import requests
url = "http://nishimura-asr.local:8000/asr_julius"
files = {
	'myFile': open('test_16000.wav', 'rb')
}
s = requests.Session()
r = s.post(url, files=files)
print r.text

POST送信する際に，毎回セッションを張り直していると，接続がとても遅くなるので，上記スクリプト内であるように，s = requests.Session()でセッションを張り，以降はそれを再利用すると早くなる．
例）

s = requests.Session()
r = s.post(url, files=files)
print r.text
r = s.post(url, files=files2)
print r.text
r = s.post(url, files=files3)
print r.text

２．３．２POST用セッションの接続時間チェック

また，以下のクライアント用スクリプトを用いると，セッションを張るのにかかった時間，再接続時の音声認識の時間などの確認ができます．
ASRClinet.py
音声ファイル：test_16000.wav
音声ファイル：long_16000.wav
音声ファイル：yokohama_16000.wav
（※音声ファイルは，「右クリック→ファイルへ保存」などで保存してください．）

２．４おまけ

webブラウザを用いて，直接サーバにアクセスすると，音声ファイルアップロードフォームが表示されます．そこから，PC上の16kHz，monoのwavファイルを選択してアップロードすると，音声認識結果がブラウザで確認できます．

同一マシン上からなら　http://localhost:8000/
別マシンからなら　http://IPorホスト名指定:8000/
　例）http://nishimura-asr.local:8000/