Forum Debian Users Gang

Odpowiedź bardzo przydatna, szybka i kompetentna :-), więc dzięki!

ogolnie to do testowania wystarczy serwer asteriska (nawet na domowym PC) i jakis klient SIP ktorym bedziesz sie do niego laczyl

I na tym zamierzam się teraz skupić. Czyli dajmy na to a) założę konto u SIP providera, b) skonfiguruję SIP trunka. W dalszym ciągu nie widzę (po przejrzeniu przykładowego pliku konfiguracyjnego dla Asteriska, który od nich dostałem), skąd mam wiedzieć na jaki numer telefonu musiałbym dzwonić ze swojej komórki, żeby przetestować to rozpoznawanie mowy na domowym PC z Asteriskiem. Podejrzewam, że kluczową sprawą jest ostatnie zdanie maila od HaloNet, czyli "Dodatkowo, aby przetestować połączenia przychodzące niezbędny jest numer PSTN. Proszę zarejestrować się w usłudze, a następnie przesłać do nas maila z prośbą o dodanie numeru testowego". Jak rozumiem jest to tylko numer testowy, a do praktycznych zastosowań oprócz konta SIP będę potrzebował jeszcze tego numeru PSTN, czyli muszę wykupić razem dwie różne usługi. Czy można je wykupić u tej samej firmy, która umożliwia stworzenie konta SIP? Bo w sumie to znalazłem opcje takie jak easycall.pl i callfromweb.pl (http://voipcheap.blogspot.com/2006/04/najtaszy-polski-numer-pstn.html)? Innymi słowy - rejestruję się w HaloNet albo Ipfon, płacę im za konto SIP, instaluję u siebie Asteriska, konfiguruję go i co z tym numerem PSTN? Wykupuję drugą usługę? Kogo lepiej wybrać, IPFON czy HaloNet?

Pomoc techniczna HaloNet: Aby skonfigurować serwer Asteriska pod HaloNet będzie Pan potrzebował:
- konto >>dane dostępne po zalogowaniu się na stronie https://www.halonet.pl/rejestracja
- hasło do konta >> dane dostępne po zarejestrowaniu się na stronie https://www.halonet.pl/rejestracja
- nazwę serwera SIP >> sip.halonet.pl
//oraz przykładowa konfiguracja dla Asteriska

Pomoc techniczna Ipfon: Wystarczy zatem, że założy Pan konto: https://rejestrator.ipfon.pl/index.php?version=ipfo … nario=telefon
i skonfiguruje trunk pod Asteriskiem: http://forum.ipfon.pl/index.php?topic=64

Dodatkowo, aby przetestować połączenia przychodzące niezbędny jest numer PSTN. Proszę zarejestrować się w usłudze, a następnie przesłać do nas maila z prośbą o dodanie numeru testowego.

No i jeszcze kwestia tego, że mam w domu raczej powolny internet (w praktyce ok 0,6 Mbit/s). Widzę, że karta Digium albo bramka VoIP to kwestia tysiąca złotych, zaś SIP provider to tylko trzydzieści złotych. Niemniej jednak w wypadku SIP providera internet musi być szybki, w razie pierwszej opcji nie ma takiego wymogu.

Czyli podsumowując moim najbliższym, krótkoterminowym celem jest skomunikowanie się z telefonu komórkowego z Asteriskiem na domowym laptopie. Kwestią do wyjaśnienia jest zaś numer PSTN, umożliwiający dodzwonienie się na Asteriska. Zastanawiam się też, jak sprawdzić, czy Asterisk przechwytuje mowę po odebraniu rozmowy przychodzącej, bez zajmowania się jeszcze Sphinksem. Podejrzewam, że da się to jakoś zrobić przy pomocy prostego dialplanu typu "zapisz przychodzącą rozmowę do pliku wav".

Ad 1. pytanie zasadnicze do czego to ma tak naprawde sluzyc ... od tego zalezy to czego potrzebujesz ... jezeli ma byc to maly system to wystarcza zwykle konto SIP od jakiegos operatora i asterisk odbierajacy przychodzace polaczenia z PSTN ... jezeli cos wiekszego (wiele numerow etc) to do rozwazenia sa "powazniejsze" metody lacznosci (w tym DID) ...

Raczej mały system. Jedna rozmowa jednocześnie.

Pozdrawiam!

Dzięki za odpowiedź!

Wysłałem maile do Ipfon i HaloNet z zapytaniem, czy razem z kontem SIP oferują numer PSTN.

Co zamierzam zrobić:
1. Zainstalować Twinkle w celu emulacji dzwonienia z telefonu na serwer.
2. Na tym samym komputerze instaluję Asteriska.
3. Konfiguruję SIP trunk Asteriska tak, żeby odbierał rozmowy z Twinkle. Jak plik konfiguracji miałby wyglądać dla użycia Asteriska z Twinkle?
4. Instaluję Sphinx4 (ten krok mam już spełniony). Kończę tworzenie aplikacji Sphinx4, która wykorzystuje mój model akustyczny, moją gramatykę i mój algorytm.
5. Używam http://www.voip-info.org/wiki/view/Sphinx albo http://scribblej.com/svn/ w celu umożliwienia komunikacji Asteriska ze Sphinx4. Podejrzewam, że ten krok może sprawić najwięcej trudności, jak również kroki (4) i (6).
6. Tworzę dodatkowy dialplan w celu: a) zapytania użytkownika przy pomocy DTMF czy zamierza używać ASR czy DTMF. Jeśli wybierze ASR, dalej będzie komunikacja ze Sphinx4. Jeśli wybierze DTMF, to dalej wszystko będzie bazować na DTMF. W jaki sposób mogę coś takiego zrobić? Wcześniej myślałem, że będą to dwa niezależnie od siebie działające systemy (midlet na komórce, używający httpconnection, metody post i tomcat na serwerze). Teraz tak sobie myślę, że użycie DTMF w ramach Asteriska powinno być lepszym rozwiązaniem.
7. Testuję aplikację, żeby upewnić się, czy cały system jest postawiony na nogi.
8. Wykupuję konto SIP z numerem PSTN u HaloNet albo Ipfonu. Instaluję Asteriska i Sphinksa4 na serwerze. Możliwe problemy: zbyt wolny internet, wtedy najlepiej będzie zmodyfikować scenariusz i użyć jednak karty Digium albo bramki VoIP zamiast konta SIP, albo też wynajęcie serwera w Data Centre. Inny możliwy problem: konieczność użycia Windowsów zamiast Linuksa. Wtedy spróbuję wdrożyć rozwiązanie pod Windowsami. Jeśli się nie uda - znowu Data Centre.
9. Nagrywam duże próbki głosów docelowych użytkowników systemu. Ponieważ nie ma dobrej (kilkadziesiąt lub kilkaset godzin nagrań) bazy akustycznej dostępnej za darmo dla j. polskiego, jedyne co mi pozostaje to speaker-dependent system. Tworzę nową bazę akustyczną, uwzględniającą nowe próbki mowy.
10. System zaczyna działać.
11. Tworzę jakąś ankietę w celu uzyskania informacji zwrotnych od użytkowników.
12. Tworzę aplikację webową w celu umożliwienia dostępu do uzyskanych przez system informacji z dowolnego miejsca w internecie.

============================================================================================================================================

Ad. 4. Pytanie pierwsze.

Czy muszę specyfikować swój algorytm w Sphinx4 czy w dialplanie?. Chyba że w ogóle nie potrzebuję Sphinx4, tylko model akustyczny ze SphinxTrain?
Pytałeś jaki algorytm (drugi post, ad. 3). Otóż program Sphinksa4 wygląda tak:

/home/mainaccount/tutorial/sphinx4-1.0beta3-src/sphinx4-1.0beta3/src/apps/edu/cmu/sphinx/demo/jsapi/jsgf //src, czyli source code
--------------------------------------------------------------------------------------------------------
a. gramatyki. Jest to kilka plików z rozszerzeniem .gram. Bazuję na jsapi/jsgfDemo, ponieważ jest to jedyny przykład, który umożliwia przełączanie się pomiędzy gramatykami. Zaś ja potrzebuję kilku gramatyk. Pierwsza to początkowa, w której jedynymi dozwolonymi są tak lub nie, w celu odpowiedzi na pytanie, czy użytkownik zamierza używać gramatyki podstawowej czy rozszerzonej. Druga to gramatyka podstawowa, gdzie najpierw użytkownik podaje dwanaście cyfr, później przechodzi do kolejnej grupy cyfr słowem "dalej". Gramatyka rozszerzona to "dwanaście cyfr - słowo <<inne>> - cyfry i słowa kluczowe w celu podania innych danych - słowo <<dalej>> w celu przejścia do kolejnego wpisu". Jest jeszcze czwarty plik gramatyki, nazywa się commands.gram i składa się z trzech linijek:

#JSGF V1.0;
grammar commands;
public <standard_commands> = go to the next menu { exit } ;

Jest on później includowany i używany w innych gramatykach:

import <commands.standard_commands>;
...
public <commands> = <standard_commands> ;

Celem tej czwartej gramatyki jest umożliwienie użycia słowa "koniec" w celu wyjścia z programu.

b. Plik .java z kodem źródłowym. W konstruktorze wywołuje new ConfigurationManager(url), gdzie url to jsgf.config.xml. Również ustala, że wejściem jest mikrofon:

microphone = (Microphone) cm.lookup("microphone");

Główna część kodu wygląda tak (przed moimi modyfikacjami):

while (!done)  {
    Result result = recognizer.recognize();
    String bestResult = result.getBestFinalResultNoFiller(); //bestResult bazuje na wszystkich propozycjach systemu rozpoznawania mowy, co do tego, co użytkownik mógł powiedzieć
    RuleGrammar ruleGrammar = jsgfGrammarManager.getRuleGrammar();
    RuleParse ruleParse = ruleGrammar.parse(bestResult, null);
    if (ruleParse != null) { //co chwilę sprawdza, czy jest jakiś nowy ciąg rozpoznany, jeśli jest to wartość ruleParse jest rózna od null
        System.out.println("\n  " + bestResult + "\n"); //domyślnie wyświetla najlepszy wynik
        done = isExit(ruleParse); //jeśli powiedziano słowo "koniec" to wychodzi z programu
    } 
}

c. Plik build.xml, specyfikuje np. "Properties common to all tests", czyli m.in. ścieżkę dostępu i nazwę pliku, w którym znajduje się gotowy, jednoplikowy model akustyczny .jar. I tak, jak sama nazwa pliku wskazuje, jest on używany tylko do zbudowania programu .jar na podstawie tych wszystkich plików.

d. Plik jsgf.config.xml, specyfikuje różne wewnętrzne ustawienia programu, np. jakiego prunera, scorera itd. ma użyć. Są to komponenty systemu rozpoznawania mowy.

e. Plik jsgf.Manifest zawiera dwie linijki:

Main-Class: edu.cmu.sphinx.demo.jsapi.jsgf.JSGFDemo
Class-Path: ../lib/sphinx4.jar ../lib/jsapi.jar ../lib/WSJ_8gau_13dCep_16k_40mel_130Hz_6800Hz.jar

f. README.html

/home/mainaccount/tutorial/sphinx4-1.0beta3-bin/sphinx4-1.0beta3/bin //bin, czyli binary stworzony przez "make" dla source code
--------------------------------------------------------------------
Tylko plik JSGFDemo.jar, który wykonuje się poleceniem "java -mx200m -jar bin/JSGFDemo.jar".

============================================================================================================================================

Ad. 4. Pytanie drugie.

Swój model akustyczny tworzyłem przy pomocy plików wav, nagranych w Audacity. Dowiedziałem się, że "The requency should be 16 khz, the quality 16 bit. Audio should be mono". Parametry ustawiłem na takie: Audio I/O -> Kanały: 1 (Mono), Jakość -> Standardowa częstotliwość: Inne... -> 16000, Jakość -> Standardowa rozdzielczość -> 16-bit, Formaty pliku -> Eksport niezkompresowanych danych: WAV (Microsoft 16 bit PCM), Spektrogramy -> Rozmiar FFT: 256 - domyślnie, Spektrogray -> Maksymalna częstotliwość (Hz): 8000. Jednak te parametry zasugerowano mi ogólnie, zapewne bez uwzględnienia kontekstu, czyli jakości takiej, jaka jest przy połączeniach telefonicznych. Czy zostawić te parametry nagrywania próbek dźwięku w Audacity czy nagrać nowy model akustyczny przy użyciu innych parametrów, dostosowanych do telefonii komórkowej? Jeśli nowych, to na jakie wartości zmienić?

============================================================================================================================================

Ad. 4. W międzyczasie zdziwiła mnie też jedna rzecz (w sumie to dużo mniej istotna w tym momencie, bo aplikację mogę sobie przetestować na Windowsach, a domyślnie i tak nie będę używał mikrofonu, tylko rozmowy telefonicznej odebranej przez Asteriska). A mianowicie używanie mikrofonu w aplikacjach Javy pod Linuksem. Napisali, żeby użyć jdk 1.4, a jeśli ono nie działa to jdk 1.5 (albo vice versa). Sprawdziłem przy pomocy Synaptic, że mam sun-java6-bin w wersji 6-15-1, sun-java6-jdk 6-15-1 i sun-java6-jre 6-15-1. Dowiedziałem się, że jdk 1.4 jest z 2002 roku, jdk 1.5 z 2004. Tak w ogóle to dla Sphinx4 "Last update on June 30, 2004". Wydaje mi się, że to nie jest problem, bo właściwie to podstawy matematyki się nie zmieniły od tamtego czasu (mam na myśli Hidden Markov Model używany do rozpoznawania mowy). No a kwestia wersji Javy jest niejako drugorzędna. Zresztą na Sphinx4 zdecydowałem się, gdy znalazłem najpopularniejsze systemy rozpoznawania mowy, tj. CMU Sphinx, HTK i Julius. Stwierdziłem, że CMU Sphinx ma najlepszą dokumentację i najlepsze wsparcie. Użycie mikrofonu pod Linuksem dla Sphinx4 jest wyjaśnione tutaj http://forum.purepc.pl/redirect.php?url=http%3A%2F% … rophone_linux . Wykonałem kroki 1-3 i utknąłem na 4.

Pozdrawiam!

============================================================================================================================================

PS

bercik napisał(-a):

testowal to na czystym SIP (wogole bez wchodzenia do klasycznej telefonii)

Co dokładniej masz na myśli? Jeśli użyję Twinkle, to nie potrzebuję nawet SIP-a. Jeśli nie użyję Twinkle to raczej do niczego mi się nie przyda sam SIP bez numeru PSTN, bo i tak się nie dodzwonię do Asteriska.

Ostatnio edytowany przez johnyjj2 (2009-12-20 15:48:17)

Dzięki za odpowiedź!

Na moje pytanie na forum Sphinksa "Are you familiar with integrating Asterisk with Sphinx4? I found these: http://www.voip-info.org/wiki/view/Sphinx and http://scribblej.com/svn/" uzyskałem następującą odpowiedź "mrcp via cairo/zanzibar can hook asterisk to sphinx4. Scribblej's stuff does it for pocketsphinx using a simple client server approach". Jednak jakiś dłuższy czas temu zadałem pytanie na forum projektu Zanzibar, na które natrafiłem w czasie swoich poszukiwań (https://sourceforge.net/projects/openivr/forums/for … topic/3476716) i niestety, nikt mi nie udzielił odpowiedzi. Ściągam teraz Cairo i Zanzibar i będę musiał przejrzeć dokładniej dokumentację tych projektów.

Pozdrawiam!

PS Czy mógłbyś polecić jakieś tutoriale, w jaki sposób przetestować sobie zwykłe połączenie Twinkle z Asteriskiem, konfigurację Asteriska, tworzenie dialplanów, używanie DTMF z Asteriskiem itd.?

Ostatnio edytowany przez johnyjj2 (2009-12-20 22:24:03)

Dzięki za odpowiedź!

Na pewno przejrzę te materiały, które są razem z paczką, rzucę też okiem na linki.

W międzyczasie przeczytałem dokumentację on-line dla Cairo/Zanzibar. Umożliwiają one połączenie Asteriska ze Sphinx4. Zadałem pytanie odnośnie Cairo/Zanzibar na ich liście mailowej: http://old.nabble.com/using-other-acoustic-models-i … 26879547.html (mirror: https://sourceforge.net/mailarchive/forum.php?threa … me=cairo-user). Wynikało by z tego, że raczej jednak algorytm będę specyfikować w kodzie aplikacji Sphinx4. Nie wyjaśnili jednak kwestii, w jaki sposób zawrzeć swój model akustyczny, zamiast domyślnych TIdigits lub WSJ. A jest to kluczowa sprawa.

W zasadzie program dla Sphinx4 mam prawie gotowy. Pozostała jeszcze tylko jedna kwestia, tj. zamienienie wyjściowych plików ze SphinxTrain na jeden plik .jar, który później będę mógł zaincludować w xml-u swojej aplikacji. Dokumentacja, jak to zrobić jest taka: http://cmusphinx.sourceforge.net/sphinx4/doc/UsingS … inModels.html , zwłaszcza ostatni akapit. Na moje pytanie "I rather wanted to pack it into .jar file because of simplicity of usage. <<You need to use jar:file: URI scheme for the reference>>. What exactly do you mean by that?" uzystałem odpowiedź "sphinx4 has documentation on how to use jar:file :URI scheme". Niestety, nie jestem w stanie tego znaleźć w dokumentacji: http://www.google.com/search?hl=en&lr=&q=ja … rt=0&sa=N

Pozdrawiam!

rzucilem okiem ... widze ze jednak robisz to na Asterisku pod Windows i na X-lite ... o ile ten pierwszy nie powinien duzo roznic sie od wersji linuxowej (ale moga byc jakies problemy okolo cygwinowe) to tego drugiego nie znam ...

pisalem o Twinkle (i w domysle Astersiku linuxowym) bo zestaw ten znam, mam przetestowany i moglbym cos ewentualnie pomoc ...

nie wiem po co probojesz zrobic aby soft-phone rejestrowal sie w asterisku ... to nie jest do niczego potrzebne (docelowo to i tak asterisk bedzie sie rejestrowal)

na temat Sphinxa sie nie wypowiadam bo sie nie znam ...