Skip to content
/ STT Public

wav2vec를 사용한 STT 기능을 사용하여 음성인식 및 PPT 도우미 기능을 추가

9 stars 0 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

sangtaik/STT

BranchesTags

Repository files navigation

PPT 도우미: Speech To Text(STT) AI를 통하여 음성을 텍스트로 변환 기록하고 음성으로 PPT 슬라이드 쇼를 위한 기능을 구현한다.(영우글로벌러닝 AI 6기 Final Project)

PPT Speech To Text Assistant : Korean Goal-Oriented Dialog Speech Corpus for Pretrained Speech Recognition of PowerPoint

Sang-Taik Jung1,2, Mu-Jun Kim1,3, Jae-Youn Park1,4

1 K-Digital Training - AI Youngwoo Global Training AI 6th.

2 Client, Dataset preprocessing

3 AI Modeling, AI Training, Audio Signal Processing

4 Model Training Calibration, Dataset preprocessing.

Table of contents

1. Dataset contribution

데이터 셋을 수집하기 위해서 AI HUB 한국어 자료 및 직접 녹음을 하여 데이터셋으로 가공함

오디오 파일형식 : PCM, WAV 텍스트 파일형식 : txt, json 최종 데이터 셋 파일형식 : csv

The dataset statistics

명령어 음성(일반남녀) https://aihub.or.kr/aidata/30707

한국어 음성 https://aihub.or.kr/aidata/105

한국어 강의 음성 https://aihub.or.kr/aidata/30708

The dataset structure

아래와 같이 음성 파일명, 대사, 음성데이터 값을 csv 파일로 추출하여 최종 훈련 데이터셋으로 가공하였다. 음성 파일 및 텍스트 파일이 있다면 전처리 폴더에 있는 XLSR_Wav2Vec2_colab_recursive_vocab_jamo.py 파일을 이용하여 추출할 수 있다.

We export the csv file for Training with the following structure by some export folder .py file:

For Example : XLSR_Wav2Vec2_colab_recursive_vocab_jamo.py 

order_speech_ko1000_000.csv
...
script1_g_0044-6003-01-01-KSM-F-05-A.wav	나 대신 점등해 줘.	[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.6443534e-13, ...]
script1_g_0044-6004-01-01-KSM-F-05-A.wav	이번 주 대체로 흐린지 궁금해.	[3.2407155e-07, -3.7628763e-07, 4.2549107e-07, ...]

2. Dataset downloading and license

  1. 자료의 정확성, 완전성, 무결성, 품질 또는 적절성을 보증하지 않으므로 여기에 제공된 자료에 대해 책임을 지지 않습니다.
  2. 각 데이터 셋 자료의 라이선스 및 사용권에 대하여는 AI HUB(https://aihub.or.kr/aidata)를 참조하시고, 문의하시기 바랍니다.
명령어 음성(일반남녀) [link] (https://aihub.or.kr/aidata/30707)
한국어 음성 [link] (https://aihub.or.kr/aidata/105)
한국어 강의 음성 [link] (https://aihub.or.kr/aidata/30708)
  1. we DOES NOT GUARANTEE THE ACCURACY, COMPLETENESS, INTEGRITY, QUALITY OR ADEQUACY OF THE MATERIALS, THUS ARE NOT LIABLE OR RESPONSIBLE FOR THE MATERIALS PROVIDED HERE.
  2. For information on licenses and usage rights for each data set, please refer to the AI ​​HUB (https://aihub.or.kr/aidata)

AIhub dataset can be download from

KSM [here] (https://aihub.or.kr/aidata/30707)
KsponSpeech[here] (https://aihub.or.kr/aidata/105)
KlecSpeech [here] (https://aihub.or.kr/aidata/30708)

(AIhub : this is a large-scale Korean open domain dialog corpus from NIA AIHub5, an open data hub site of Korean Govern-ment.)

3. Model

Wav2Vec 모델(wav2vec 2.0 - A Framework for Self-Supervised)을 사용하였으며, 자모 기반 단어장을 기반으로 Training한다. 명령어 목록에 편향된 사용자 음성을 추가하여 트레이닝한다.

모델에 대한 자세한 내용은 여기를 참조한다.

또한 모델부분은 https://github.com/Mu-jun/STT에서 자세한 내용을 참조할 수 있다.

The Wav2Vec model(wav2vec 2.0 - A Framework for Self-Supervised) is used, and it is trained by analyzing morphemes by dividing it into Jamo. Train by adding biased user voices to the command list.

[Model Link] (https://ai.facebook.com/blog/wav2vec-20-learning-the-structure-of-speech-from-raw-audio/)

if you want to detail history please visit https://github.com/Mu-jun/STT

4. Dependency

Our code requires the following libraries:

librosa==0.8.1
matplotlib==3.2.2
numpy==1.21.6
pandas==1.3.5
requests==2.23.0
scipy==1.4.1
sklearn==0.0
SoundFile==0.10.3.post1
tensorboard==2.8.0
tensorflow==2.8.2
tensorflow-hub==0.12.0
tqdm==4.64.0
xgboost==0.90
jupyter==1.0.0
datasets==2.2.2
transformers==4.19.4
jiwer==2.30
SpeechRecognition==3.8.1
pipwin==0.5.2

5. Training and Evaluation

Before training or evaluation, we should be follow the data pipeline as the followed.

Run create csv for dateset preprocessing

AI_HUB 또는 wav로 생성된 파일과 txt로 대사를 넣은 파일을 dataset 폴더에 넣고 실행한다. 예를 들면 ../dataset/audio, ../dataset/text에 각각 wav파일과 txt 파일을 넣어둔다. 그 후 ../dataset/csv/ 폴더 및 csv파일을 생성하기 위해서 아래와 같이 실행한다.

cd data_preprocessing
mkdir dataset/csv/
mv <what you download something>
python.exe symspellpy_test.py

Run vocab

../dataset/csv 파일에서 'Run create csv for dateset preprocessing'에서 생성한 csv 파일을 넣는다. 그 후 아래와 같이 실행한다.

cd data_preprocessing
python.exe Creating_Vocabulay_fixed.py

Run train

Jamo version : about 4GB size

cd model_training
python.exe XLSR_Wav2Vec2_jamo.py

quantization_onnx version : about 300MB size

cd model_training
XLSR_Wav2Vec2_model_quantization_onnx.py

Run Client ( run by .py)

cd client
mkdir Assets
cp < ALL Assets and models that What step-(Run train)> 
python.exe main_run.py

6. pyinstaller (for exe file)

Jamo version

1. 아래 명령어를 입력한다. 아직 onefile로 하면 안되고, dist 폴더를 생성하게 하여, 부족한 부분을 채울 수 있도록 일단 1번 exe 파일을 생성한다.
pyinstaller --noconfirm --clean --distpath ./dist ^
			--add-data="symspell_jamo_dict.txt;." --add-data="Assets/vocab.json;Assets" --add-data="Assets/vocab_jamos.json;Assets"^
			--add-data="Assets/test_data.wav;Assets" --add-data="Assets/vocab_chars.json;Assets"^
			--hidden-import=pytorch --collect-data=torch --copy-metadata=torch ^
			--copy-metadata=tqdm ^
		    --hidden-import=tensorflow --copy-metadata=tensorflow --collect-data=tensorflow ^
			--hidden-import=transformers --copy-metadata=transformers --collect-data=transformers ^
			--copy-metadata=regex --copy-metadata=requests ^
			--copy-metadata=packaging --copy-metadata=filelock --copy-metadata=numpy ^
			--copy-metadata=tokenizers --copy-metadata=importlib_metadata ^
			--collect-data=librosa --copy-metadata=librosa ^
			--hidden-import="sklearn.utils._cython_blas" ^
			--hidden-import="sklearn.utils._typedefs" ^
			--hidden-import="sklearn.neighbors._partition_nodes" ^
			--hidden-import="scipy.special.cython_special" ^
			main_run.py




dist 폴더가 생성이 되고, dist\\main_run\\Assets에 모델 파일을 옮겨줘야 한다.
참고로 Assets에 모델은 미리 생성해야 한다. 

실행 파일은 아래와 같이 에러가 발생할 것이다.
RuntimeError: Failed to import transformers.models.wav2vec2.processing_wav2vec2 because of the following error (look up to see its traceback):
[Errno 2] No such file or directory: 'C:\\Users\\user_name\\AppData\\Local\\Temp\\_MEI109122\\transformers\\__init__.py'

그래서 transformers 폴더만 수작업으로 파일을 옮겨준다. 

수동으로 dist/main_run/transformers 폴더에 C:\Users\<users>\anaconda3\envs\STT\Lib\site-packages\transformers  파일을 모두 옮겨준다.
pyinstaller에서는 이슈로 인하여 transformers 폴더만 py 파일이 없다.
모두 C:\Users\<users>\anaconda3\envs\STT\Lib\site-packages 수동으로 옮겨주면 해결이 된다.

그 후 dist\\main_run\\main_run.exe을 실행하면 실행이 된다.

quantization_onnx version

양자화된 모델은 transformers, tensorflow, pytorch를 사용하지 않아 라이브러리 추가를 할 필요가 없다.

1. 아래 명령어를 입력한다. 아직 onefile로 하면 안되고, dist 폴더를 생성하게 하여, 부족한 부분을 채울 수 있도록 일단 1번 exe 파일을 생성한다.
pyinstaller --noconfirm --clean --distpath ./dist ^
			--add-data="symspell_jamo_dict.txt;." --add-data="Assets/vocab.json;Assets" --add-data="Assets/vocab_jamos.json;Assets"^
			--add-data="Assets/test_data.wav;Assets" --add-data="Assets/vocab_chars.json;Assets"^
			--add-data="Assets/jamo_base_model.onnx;Assets"^
			--copy-metadata=tqdm ^
			--copy-metadata=regex --copy-metadata=requests ^
			--copy-metadata=packaging --copy-metadata=filelock --copy-metadata=numpy ^
			--copy-metadata=tokenizers --copy-metadata=importlib_metadata ^
			--collect-data=librosa --copy-metadata=librosa ^
			--hidden-import="sklearn.utils._cython_blas" ^
			--hidden-import="sklearn.utils._typedefs" ^
			--hidden-import="sklearn.neighbors._partition_nodes" ^
			--hidden-import="scipy.special.cython_special" ^
			main_run.py

dist 폴더가 생성이 되고, dist\\main_run\\Assets에 모델 파일을 옮겨줘야 한다.
참고로 Assets에 모델은 미리 생성해야 한다. 

모델은 XLSR_Wav2Vec2_model_quantization_onnx.py에서 생성해야 한다.

생성된 모델은 client/dist/main_run/Assets에 추가한다.
ex) jamo_base_model.onnx

/STT/client/Assets (master)
$ dir
jamo_base_model.onnx    symspell_jamo_dict.txt  vocab.json        vocab_jamos.json
symspell_char_dict.txt  test_data.wav           vocab_chars.json

$ del tensorflow
$ del pytorch
$ del transformers

$ cd dist/main_run
$ ls -lts

_argon2_cffi_bindings
_soundfile_data
_sounddevice_data
aiohttp
altgraph-0.17.2.dist-info
Assets
boto3
certifi
editdistpy
etc
filelock-3.7.1.dist-info
frozenlist
google
grpc
h5py
importlib_metadata-4.11.4.dist-info
IPython
jedi
jsonschema
jsonschema-4.6.0.dist-info
kiwisolver
librosa
librosa-0.8.1.dist-info
lxml
markupsafe
matplotlib
multidict
nbconvert
nbconvert-6.5.0.dist-info
nbformat
numba
numpy
numpy-1.21.6.dist-info
onnxruntime
packaging-21.3.dist-info
pandas
pandas-1.3.5.dist-info
parso
PIL
pyinstaller-5.1.dist-info
PyQt5
pyqtgraph
pytz
regex
regex-2022.6.2.dist-info
requests-2.23.0.dist-info
resampy
sacremoses
scipy
sentencepiece
setuptools-61.2.0-py3.7.egg-info
share
sklearn
tcl
tcl8
tk
tokenizers
tokenizers-0.12.1.dist-info
tornado
tqdm-4.64.0.dist-info
wheel-0.37.1-py3.9.egg-info
win32com
winpty
wrapt
xxhash
yaml
yarl
zmq


그 후 dist\\main_run\\main_run.exe을 실행하면 실행이 된다.

7. Reference

8. Errors

jiwer install issue

환경 설정 시, pip install jiwer를 실행할 때 아래와 같은 에러가 발생

error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": [
https://visualstudio.microsoft.com/visual-cpp-build-tools/](https://visualstudio.microsoft.com/visual-cpp-build-tools/)`
  • MS Visual C++ 14.0을 설치한다.

pyaudio가 install issue

pyaudio가 설치가 안된는 이슈는 아래와 같이 해결한다.

(STT) C:\Git\STT>pip install pipwin
(STT) C:\Git\STT>pipwin install pyaudio

No such file \init.py

아래와 같이 client 실행 시, 라이브러리 파일 에러가 발생

[Errno 2] No such file or directory transformers\\__init__.py

해당 이슈는 3rd library 또는 dist 폴더에 py파일이 없는 것이다.

### windows 
dir C:\Users\<users>\STT\dist\main_run\transformers

이 현상은 pyinstaller에서 exe 파일을 만들 때, transformers 폴더의 py 파일을 가져오지 못한 현상이라 수작업으로 copy를 해주면 된다.

### windows 
copy -r C:\Users\<users>\anaconda3\envs\STT\Lib\site-packages\transformers C:\Users\<users>\STT\dist\main_run\transformers

About

wav2vec를 사용한 STT 기능을 사용하여 음성인식 및 PPT 도우미 기능을 추가

Topics

korean stt speach-to-text korean-stt

Resources

Readme
Activity

Stars

9 stars

Watchers

2 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages