@ivrפון כתב בויקיפדיה בטלפון או בSMS:
פעם ראיתי שם ספריית tts לשרת ממש טובה.
יש את הספריה של מייקרוספט edge-tts שאני משתמש איתה
לדעתי די טובה...
להתקנה:
pip install edge-tts
לייבא:
from edge_tts import Communicate
כמובן אם אתה רוצה משהו ממש משודרג אתה יכול להשתמש עם גימיני סטודיו (15 בקשות ליום בחינמי) גם מוצלח מאוד
@חוויה-טלפונית כתב באבטחה - באימות דו שלבי / דעתכם... 🪪
:
אגב בדקתי בהוסטינגר בשביל כתובת IP קבועה הם רוצים 10,399 שח לחודש...
אין מצב!!!!! הבנת אותם לא נכון...
כל שרת נותן לך PI קבוע
בלי זה לא היית יכול לחבר דומיין
עריכה: אתה משתמש עם VPS , כן?
איך מקבלים את ההקלטה בקלות לשרת?
שלוחת API עם הגדרות משהו כמו זה:
️
זיהוי דיבור בעברית – חינם, איכותי, מדויק!!type=api
api_link=https://
api_000=stockname,no,record,/9,,no,yes
@MGM-IVR ובכל זאת הכוונה הייתה שלא צריך להכניס ידנית
כמה מחשבות על מודל זיהוי דיבור...
הרבה פעמים בכל מיני מערכות - רוצים לשלב זיהוי דיבור, דהיינו שמשתמש יוכל לשלוח הקלטה לשרת והשרת יתמלל את ההקלטה.
ימות המשיח מציעים מודל כזה, והאמת שאף פעם לא ניסיתי אותו, כך שאני לא יודע מה רמת האיכות שלו...
אבל זה בעלות יחידות, ולהרבה משתמשים זה מספיק סיבה כדי לנסות למצוא אלטרנטיבה,
(וממילא הטקסט נשלח לשרת - אז למה שהשרת לא יבצע גם את התמלול בעצמו?!)
יש שתי ספריות מוכרות וטובות לתמלול שמתאים לעברית,
אחד של גוגל - הספרייה SpeechRecognition
ואחד של מייקרוסופט - הספרייה Whisper
ל Whisper יש ייתרון משמעותי - שאפשר להוריד למחשב ללא צורך בחיבור לאינטרנט, אבל בגלל שממילא רוב השימוש ממילא נעשה בדרך כלל בשרת וכדו' אז הייתרון לא כל כך משמעותי...
אמנם לאחר בדיקות ותעיות... הגעתי למסקנה שהמודל של גוגל, לא רואה את ההוא של מייקרוסופט...
חשוב לזכור שההקלטה בסוף מגיעה באיכות של טלפון... ולא של קונדנסר אולפני... ולכן חשוב שהמודל יידע לזהות את הדיבור גם בתנאים קשים כמו רעשי רקע, איכות ירודה, וכו'...
אני חושב שהמודל של גוגל הוא מדוייק ואיכותי כמעט ללא טעויות... והייתי ממליץ לכל מי שרוצה מערכת איכותית, להשתמש בו...
לא צריך מפתח API !
אני רוצה להוסיף המלצה מנסיון הרבה זמן השתמשתי עם זה ומשום מה ההתחלה והסוף של ההקלטה לא זוהה... למשל במקום "אחד שתיים שלוש ארבע" הוא זיהה "ד שתיים שלוש אר"- עד שהבנתי שהמודל אמנם הוא טוב אבל לפעמים התחלת ההקלטה וסוף ההקלטה נחתך (ממש במימדים של שנייה) ולכן אם רוצים לשלוח הקלטה ארוכה לשרת, למשל משפט שלם וכו' אז זה בדרך כלל לא כל כך בעיה...
אבל אם רוצים לשלוח מילה אחת וכדו' אז זה יכול להיות מאוד משמעותי.... לכן מומלץ (מנסיון! זה פותר את הבעייה!) להוסיף שנייה שקט בתחילת וסוף ההקלטה כלומר אחרי שהיא נשלחת לשרת, לפני שגוגל מעבד את ההקלטה ומחלץ את התמלול... - להשתמש עם הספרייה pydub כדי להוסיף שנייה שקט תחילה וסוף...
(צריך לבדוק ש-FFmpeg מותקן בסביבה, אחרת הספרייה לא תעבוד)
עוד משהו...
לפעמים אנחנו יודעים מראש מה האפשרויות שהמשתמש יכול לומר –
למשל שמות של ערים:
בני ברק, ירושלים, תל אביב, חיפה, אשדוד, וכו'...
אפשר לעשות שהקוד יזהה את הדיבור ויבצע התאמה
למשל אם המודל זיהה "ירושמים" אז הוא יתאים לירושלים...
אני מצרף פה קוד פייתון לדוגמא: 
import os
import tempfile
import logging
import requests
from flask import Flask, request, jsonify
from pydub import AudioSegment
import speech_recognition as sr
from rapidfuzz import process, fuzz
# ------------------ Logging Configuration ------------------
logging.basicConfig(
level=logging.INFO,
format="%(asctime)s | %(levelname)s | %(message)s",
datefmt="%H:%M:%S"
)
app = Flask(__name__)
# List of possible keywords to match
KEYWORDS = ["בני ברק", "ירושלים", "תל אביב", "חיפה", "אשדוד"]
# ------------------ Helper Functions ------------------
def add_silence(input_path: str) -> AudioSegment:
"""
Add one second of silence at the beginning and end of the audio file.
This improves speech recognition accuracy, especially for short recordings.
"""
logging.info("Adding one second of silence to audio file...")
audio = AudioSegment.from_file(input_path, format="wav")
silence = AudioSegment.silent(duration=1000) # 1000ms = 1 second
return silence + audio + silence
def recognize_speech(audio_segment: AudioSegment) -> str:
"""
Perform speech recognition using Google SpeechRecognition API.
"""
recognizer = sr.Recognizer()
try:
# Use a temporary file for SpeechRecognition to read
with tempfile.NamedTemporaryFile(suffix=".wav", delete=True) as temp_wav:
audio_segment.export(temp_wav.name, format="wav")
with sr.AudioFile(temp_wav.name) as source:
data = recognizer.record(source)
text = recognizer.recognize_google(data, language="he-IL")
logging.info(f"Recognized text: {text}")
return text
except sr.UnknownValueError:
logging.warning("Speech not detected or unclear.")
return ""
except Exception as e:
logging.error(f"Error during speech recognition: {e}")
return ""
def find_best_match(text: str) -> str | None:
"""
Find the closest matching word from the predefined KEYWORDS list.
"""
if not text:
return None
result = process.extractOne(text, KEYWORDS, scorer=fuzz.ratio)
if result and result[1] >= 80:
logging.info(f"Best match found: {result[0]} (confidence: {result[1]}%)")
return result[0]
logging.info("No sufficient match found.")
return None
# ------------------ API Endpoint ------------------
@app.route("/upload_audio", methods=["GET"])
def upload_audio():
"""
Endpoint to receive an audio file via GET parameter,
download it, process it, and return the recognized text with the best match.
Example usage:
/upload_audio?file_url=https://example.com/audio.wav
"""
file_url = request.args.get("file_url")
if not file_url:
logging.error("Missing 'file_url' parameter.")
return jsonify({"error": "Missing 'file_url' parameter"}), 400
logging.info(f"Received file URL: {file_url}")
try:
# Step 1: Download the audio file
response = requests.get(file_url, timeout=15)
if response.status_code != 200:
logging.error(f"Failed to download audio file. Status code: {response.status_code}")
return jsonify({"error": "Failed to download audio file"}), 400
with tempfile.NamedTemporaryFile(suffix=".wav", delete=True) as temp_input:
temp_input.write(response.content)
temp_input.flush()
logging.info(f"Audio downloaded and saved temporarily: {temp_input.name}")
# Step 2: Add silence
processed_audio = add_silence(temp_input.name)
# Step 3: Speech recognition
recognized_text = recognize_speech(processed_audio)
# Step 4: Matching against predefined keywords
matched_word = find_best_match(recognized_text)
if matched_word:
logging.info(f"Final matched keyword: {matched_word}")
else:
logging.info("No keyword match found.")
except Exception as e:
logging.error(f"Processing error: {e}")
return jsonify({"error": "Error processing the audio file"}), 500
return jsonify({
"recognized_text": recognized_text,
"matched_word": matched_word if matched_word else "No match found"
})
# ------------------ Run Server ------------------
if __name__ == "__main__":
port = int(os.environ.get("PORT", 5000))
logging.info(f"Server running on port {port}")
app.run(host="0.0.0.0", port=port)
מקווה שהייתי ברור...
בכל מקרה גם מי שלא הבין שלפחות יידע שיש אופציה כזו, כדאי לנסות! 
בהצלחה!
זה אמור להיות ככה שהוא אומר רק את המילה שתיים?
לא אמור להיות ככה!! אם יש לך בשלוחה (או בתיקייה Message שבתפריט הראשי) קבצים בשם M1453 ו M1454
תמחק אותם, וזה ישמיע הודעה רגילה.
עכשיו הוא אומר 3 כשיש רק שתי שיעורים
נכון כי העלית עוד קובץ ריק... ולכן הוא אומר שיש שלוש (כי בפועל יש שלוש קבצים) למרות שרק שתי קבצים רלוונטיים.
תמחק את הקובץ הראשון, הוא מיותר, תנסה לפתור את הבעייה, לא לשים פלסטר...
אם יש לך תיקייה עם קבצים 001,002,003 - הקשה על אחד וסולמית, שתיים וסולמית, וכו' אמור להפנות לקובץ התקין...
בעיה שניה שבלחיצה על 1 הוא משמיע את שיעור מספר 2 וב0 את שיעור מספר 1 אני רוצה שיתחיל מ1
איך מסדרים את זה?
תעלה את ההגדרות שיש לך בשלוחה.
@שמואל מה אתה אומר? אחרי כל כך הרבה פוסטים של תסכול...
האם נראה לך שימות יאפשרו ללקוחות לוותר על האימות דו שלבי?
(כמו בחשבונות גוגל, חשבונות בנק, ועוד שירותים עם מידע הרבה יותר רגיש - שאפשר לוותר על האימוד"ש...)
ועוד שאלה - אני משער נכון? מה אמרת שיהיה צורך לטפל בAPI ... זה רק בAPI גישת מפתחים למערכות, ולא בסתם שלוחת API...
או שאני טועה?
@שמואל תודה על האיכפתיות על אבטחת המשתמשים...
האם זה נכון מה ש @MGM-IVR כתב פה, שמערכת שמוגדרת עם אימות דו שלבי, לא יהיה בעיה עם ה API?
וסתם מעניין אותי - האם היה בקשות מצד המאזינים על העניין הזה, שזה מה שגרם לכם לגשת לפיתוח הזה?
כי לא ראיתי בפורום איזה משתמש שהתלונן על העניין שחודרים לו לניהול עם שם משתמש וסיסמא,
ובינתיים מהשירשור הזה זה נראה שהמשתמשים די לחוצים מהעניין (בצדק או שלא...)
ואם כבר אתם מפתחים משהו משמעותי כל כך לטובת הלקוחות שלכם אז אני מזכיר שאנחנו מחכים גם לזה
המלצות והצעות עבור מודול API חדש
תודה רבה!
@יחי-המלך-1
כנ"ל, נראה לי שאין אפשרות - מאזין יכול לשנות את המהירות / העוצמה במהלך האזנה, אבל א"א להעלות קובץ כזה...
זכור לי שככה ראיתי פעם בפורום, מקווה שאני לא טועה
@יחי-המלך-1 כתב בקובץ שמע:
מה זה נקרה שם שאינו רלוונטי?
באתר הקבצים נקראים בשמות לפי מספר למשל 001 / 002...
תחליף את שם הקובץ לאין עוד מלבדו או כל שם אחר, רק לא מספר...
(איך אפשר שאת הקובץ שמע ישמעו בעוצמה של פי 2 מהעוצמה המקורית)
כמדומני שאין אפשרות להגדיר כך... (אפשר פשוט להעלות את הקובץ במהירות גבוהה 
)
@קוסקוס
לא יודע... 
הבעייה היא כנראה לא בתוכן הקוד אלא משהו עם הביצוע של השמירה וההרצה...
תנסה לשמור את הקובץ מחדש
אל תשכח לעשות שמור כסוג "כל הקבצים" ותשים את שם הקובץ הנ"ל...
@קוסקוס כתב בפתיחת שלוחות מרובות:
C:\Users\USER> C:\Users\USER\Downloads\make_audio.py.txt
שים לב שהקובץ שהרצת הוא נגמר ב TXT. תחליף את שם הקובץ ל make_audio.py בלי הסיומת טקסט...
@קוסקוס אולי תעתיק לפה את הטקסט שכתוב לך...
@קוסקוס כשאתה מכניס את הפקודה של התקנת פייתון אתה אמור ללחוץ אנטר ואז מתבצעת הרצה ברקע - כשזה גומר הוא פותח לך שורה חדשה עם סימן > כמו שכתבת ושם אתה אמור לשים את הנתיב של הקובץ שיצרת עם הקוד...
@קוסקוס התכוונתי שההרצה לוקחת כמה דקות...
אם הרצת ועדיין אתה לא מצליח לגרור את הקובץ - אני לא יודע מה להגיד לך זה בעיקרון אומר לעבוד...
אולי מישהו אחר יידע לעזור לך...
@קוסקוס בטוח ששמרת את זה בסוג הקובץ כ "כל הקבצים"?
תוודא שיש לך פייתון מותקן
אם לא תריץ את הפקודה הזו בשורת פקודה.
winget install Python.Python.3.12 --source winget