mirror of
https://github.com/deunix-educ/voice-assistant.git
synced 2026-10-13 00:11:57 +02:00
Denis Defolie
d20976fea2
État du projet au premier commit : - firmware ESP32 : micro I2S, lecture anti-gigue, MQTT (état retenu, testament), mains libres, domotique de démonstration, chien de garde, présence du serveur ; - serveur Python : sessions, VAD, faster-whisper, pyannote, identification, droits par profil, domotique, mot de réveil, Piper ; - broker Mosquitto : configuration, comptes et ACL (non activés en développement) ; - étape 15b écrite, en attente d'essai : agent MQTT pour machines Linux. Étapes 1 à 15 validées. 203 tests, pyright sans erreur. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
81 lines
3.3 KiB
Python
81 lines
3.3 KiB
Python
#!/usr/bin/env python3
|
|
"""Montre ce que la VAD (Silero) trouve dans des enregistrements (étape 7).
|
|
|
|
Pour chaque WAV : une lettre par fenêtre de 32 ms (« # » parole, « . » hésitation,
|
|
« _ » silence), les segments gardés et la part de silence retirée.
|
|
Avec un seul fichier, la parole seule est écrite dans --out, à écouter avec « make play ».
|
|
|
|
Exemples :
|
|
python3 tools/vad_check.py server/recordings/esp32-01_xxx.wav
|
|
python3 tools/vad_check.py server/recordings/*.wav
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import argparse
|
|
import logging
|
|
import sys
|
|
import wave
|
|
from pathlib import Path
|
|
|
|
SERVER_DIR = Path(__file__).resolve().parents[1] / "server"
|
|
if str(SERVER_DIR) not in sys.path:
|
|
sys.path.insert(0, str(SERVER_DIR))
|
|
|
|
from voice_server.audio_resampler import AudioFormatError, AudioResampler # noqa: E402
|
|
from voice_server.settings import load_settings # noqa: E402
|
|
from voice_server.voice_activity import VoiceActivityDetector, envelope # noqa: E402
|
|
|
|
logger = logging.getLogger("vad_check")
|
|
|
|
|
|
def main(argv: list[str]) -> int:
|
|
"""Analyse chaque fichier et affiche un bilan."""
|
|
parser = argparse.ArgumentParser(description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter)
|
|
parser.add_argument("wavs", type=Path, nargs="+", help="enregistrements a analyser")
|
|
parser.add_argument("--out", type=Path, default=Path("recordings/parole.wav"),
|
|
help="parole seule (un seul fichier analyse)")
|
|
parser.add_argument("--config", type=Path, default=SERVER_DIR / "config.yaml")
|
|
args = parser.parse_args(argv)
|
|
logging.basicConfig(level=logging.INFO, format="%(message)s")
|
|
|
|
settings = load_settings(args.config)
|
|
audio = settings.audio
|
|
detector = VoiceActivityDetector(settings.vad, audio.sample_rate)
|
|
reader = AudioResampler(audio, None) # niveau d'origine : la VAD voit ce que voit le serveur
|
|
|
|
without_speech = 0
|
|
last = None
|
|
for path in args.wavs:
|
|
try:
|
|
result = detector.detect(reader.from_wav(path))
|
|
except (AudioFormatError, FileNotFoundError) as error:
|
|
logger.error("%s", error)
|
|
continue
|
|
last = result
|
|
print(f"\n{path.name}")
|
|
print(f" {envelope(result.probabilities, settings.vad.threshold)}")
|
|
if result.has_speech:
|
|
removed = 100.0 * (1.0 - result.speech_s / result.total_s) if result.total_s else 0.0
|
|
print(f" parole {result.speech_s:.2f} s sur {result.total_s:.2f} s "
|
|
f"({removed:.0f} % retire), segments {result.bounds()} s, "
|
|
f"calcul {result.elapsed_s * 1000:.0f} ms")
|
|
else:
|
|
without_speech += 1
|
|
print(f" AUCUNE PAROLE ({result.total_s:.2f} s) : la session ne sera pas transcrite")
|
|
|
|
print(f"\n{len(args.wavs)} fichier(s), {without_speech} sans parole")
|
|
if len(args.wavs) == 1 and last is not None and last.has_speech:
|
|
args.out.parent.mkdir(parents=True, exist_ok=True)
|
|
with wave.open(str(args.out), "wb") as wav:
|
|
wav.setnchannels(audio.channels)
|
|
wav.setsampwidth(audio.bits // 8)
|
|
wav.setframerate(audio.sample_rate)
|
|
wav.writeframes(last.speech_pcm)
|
|
print(f"parole seule : make play OUT={args.out}")
|
|
return 0
|
|
|
|
|
|
if __name__ == "__main__":
|
|
sys.exit(main(sys.argv[1:]))
|