40 lines
1.6 KiB
Python
40 lines
1.6 KiB
Python
|
"""Проверка локального TTS → Whisper small без микрофона и внешней сети.
|
|||
|
|
|
|||
|
|
Это не замер сквозной задержки звонка: TTS создаёт синтетический образец, а
|
|||
|
|
загрузка моделей оплачивается отдельно. На Windows выполнить ту же команду.
|
|||
|
|
"""
|
|||
|
|
|
|||
|
|
import time
|
|||
|
|
|
|||
|
|
import numpy as np
|
|||
|
|
from scipy.signal import resample_poly
|
|||
|
|
|
|||
|
|
from app.voice.models import Synthesizer, WhisperRecognizer
|
|||
|
|
from pathlib import Path
|
|||
|
|
|
|||
|
|
ROOT = Path(__file__).resolve().parents[1]
|
|||
|
|
PHRASE = "Пожар на улице Ленина, дом четырнадцать. Нужна помощь."
|
|||
|
|
|
|||
|
|
|
|||
|
|
def main() -> None:
|
|||
|
|
started = time.monotonic()
|
|||
|
|
tts = Synthesizer(ROOT / "models" / "silero-tts" / "v5_ru.pt")
|
|||
|
|
print(f"TTS загружен за {time.monotonic() - started:.2f} с", flush=True)
|
|||
|
|
started = time.monotonic()
|
|||
|
|
pcm = tts.synthesize(PHRASE)
|
|||
|
|
audio = np.frombuffer(pcm, dtype=np.int16).astype(np.float32) / 32768
|
|||
|
|
audio = resample_poly(audio, 2, 3).astype(np.float32)
|
|||
|
|
print(f"TTS: {time.monotonic() - started:.2f} с, звук {len(audio) / 16000:.2f} с", flush=True)
|
|||
|
|
|
|||
|
|
started = time.monotonic()
|
|||
|
|
stt = WhisperRecognizer("http://127.0.0.1:18082")
|
|||
|
|
stt.warmup()
|
|||
|
|
print(f"Whisper server готов за {time.monotonic() - started:.2f} с", flush=True)
|
|||
|
|
started = time.monotonic()
|
|||
|
|
answer = stt.transcribe(audio)
|
|||
|
|
print(f"Whisper: {time.monotonic() - started:.2f} с", flush=True)
|
|||
|
|
print(f"ожидалось: {PHRASE}\nполучено: {answer}", flush=True)
|
|||
|
|
|
|||
|
|
|
|||
|
|
if __name__ == "__main__":
|
|||
|
|
main()
|