推荐开源项目:Node.js 持续语音识别库 - node-speakable
2024-05-23 02:42:17作者:姚月梅Lane
项目介绍
在寻找一个能够在 Node.js 环境中实时、连续识别语音的工具吗?node-speakable 正是你要找的那个宝藏。这个模块会耐心地等待你的声音指令,一旦你说完,它会通过触发speechResult事件返回recognizedWords数组,让你能够无缝对接各种智能操作,比如控制你的 Philips Hue 灯光。
项目技术分析
node-speakable 利用了纯JavaScript的威力,不过目前还需要依赖 sox 这个二进制文件来完成录音部分。真正实现语音识别的魔法则是通过向谷歌语音API发送POST请求来完成。这意味着你需要在谷歌开发者控制台上启用语音识别API,并获取到API密钥。
应用场景与技术应用
- 智能家居控制:与语音助手集成,控制智能家居设备。
- 实时聊天应用:为即时通讯应用添加语音输入功能。
- 命令行交互:为命令行界面提供语音指令支持。
- 游戏控制:创建类似Xbox 360 Kinect的语音控制游戏体验。
项目特点
- 持续监听: 不像传统的一次性语音识别,node-speakable可以持续监听并识别用户的语音。
- 简单集成: 仅需几行代码就能将语音识别功能融入你的项目中。
- 多语言支持: 默认支持英语('en-US'),但可以通过选项设置其他语言,如意大利语('it-IT')。
- 事件驱动: 提供了如
speechStart、speechStop和speechResult等事件,方便进行状态管理和反馈处理。 - 灵活性高: 支持错误处理,当发生错误时可重新启动录音。
安装与使用
要在项目中使用node-speakable,首先确保你已开启谷歌语音API并设置了环境变量GKEY。然后按照示例代码来初始化和监听事件:
var Speakable = require('./');
var speakable = new Speakable({key: 'your-google-API-key'});
确保在目录结构中正确放置sox二进制文件,然后就可以开始享受语音识别带来的便利了!
开源许可与待办事项
node-speakable 遵循MIT许可证,这意味着你可以自由地使用和修改。未来的计划包括限制最大监听时间等优化。
如果你对使用语音交互来提升用户体验感兴趣,那么node-speakable 绝对值得尝试。立即加入社区,共同探索这个模块的无限潜力吧!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217