Rust的Leopard绑定

Leopard语音识别引擎

由加拿大温哥华的Picovoice制作

Leopard是一个设备端的语音识别引擎。Leopard是

• 私有的；所有语音处理都在本地运行。
• 准确
• 紧凑且计算效率高
• 跨平台
  • Linux (x86_64)、macOS (x86_64, arm64)、Windows (x86_64)
  • Android和iOS
  • Chrome、Safari、Firefox和Edge
  • Raspberry Pi (5, 4, 3)和NVIDIA Jetson Nano

兼容性

• Rust 1.54+
• 在Linux (x86_64)、macOS (x86_64, arm64)、Windows (x86_64)、Raspberry Pi (5, 4, 3)和NVIDIA Jetson Nano上运行。

安装

首先，您需要在系统上安装Rust和Cargo。

要将leopard库添加到您的应用程序中，请将pv_leopard添加到您的应用程序的Cargo.toml清单中

[dependencies]
pv_leopard = "*"

如果您更喜欢克隆仓库并在本地使用它，首先运行copy.sh。（注意：在Windows上，需要Git Bash或其他bash shell，或者您必须手动将库复制到项目中）。然后您可以引用本地的绑定位置

[dependencies]
pv_leopard = { path = "/path/to/rust/binding" }

访问密钥

Leopard 在初始化时需要有效的 Picovoice AccessKey。当使用 Leopard SDKs 时，AccessKey 作为您的凭据。您可以免费获取 AccessKey。请确保保管好您的 AccessKey。在 Picovoice 控制台 注册或登录以获取您的 AccessKey。

用法

创建引擎实例并转录音频文件

use leopard::LeopardBuilder;

fn main() {
  let access_key = "${ACCESS_KEY}"; // AccessKey obtained from Picovoice Console (https://console.picovoice.ai/)

  let leopard: Leopard = LeopardBuilder::new()
    .access_key(access_key)
    .init()
    .expect("Unable to create Leopard");
  if let Ok(leopard_transcript) = leopard.process_file("${AUDIO_FILE_PATH}") {
      println!("{}", leopard_transcript.transcript);
  }
}

将 ${ACCESS_KEY} 替换为您从 Picovoice 控制台 获取的凭据，以及将 ${AUDIO_FILE_PATH} 替换为音频文件路径。

模型文件包含 Leopard 引擎的参数。您可以使用 Picovoice 控制台 创建定制语言模型，然后传递相关文件。

语言模型

Leopard Rust SDK 预装了默认的英语语言模型（.pv 文件）。其他支持的语言的默认模型可以在 lib/common 中找到。

使用 Picovoice 控制台 创建自定义语言模型。在这里，您可以使用自定义词汇和增强现有词汇中的词汇来训练语言模型。

通过 .model_path() 构建参数传入 .pv 文件。

let leopard: Leopard = LeopardBuilder::new()
    .access_key("${ACCESS_KEY}")
    .model_path("${MODEL_FILE_PATH}")
    .init()
    .expect("Unable to create Leopard");

词汇元数据

除了转录内容外，Leopard 还会返回每个转录词汇的元数据。可用的元数据项包括：

• 开始时间：指示词汇在转录音频中开始的时间。值以秒为单位。
• 结束时间：指示词汇在转录音频中结束的时间。值以秒为单位。
• 置信度：Leopard 对转录词汇准确性的置信度。它是一个位于 [0, 1] 范围内的数字。
• 说话人标签：如果初始化时启用了说话人识别，说话人标签是一个非负整数，用于标识唯一的说话人，其中 0 保留给未知说话人。如果没有启用说话人识别，该值将始终为 -1。