具有語(yǔ)音功能的機(jī)器，可閱讀書(shū)籍并回答問(wèn)題

在這個(gè)項(xiàng)目中，我構(gòu)建了啟用語(yǔ)音的可教機(jī)器，該機(jī)器可以掃描書(shū)頁(yè)或任何文本源中的文本并將其轉(zhuǎn)換為上下文，用戶可以提出與該上下文有關(guān)的問(wèn)題，并且該機(jī)器可以僅使用上下文進(jìn)行回答。我一直想制造一種易于部署且可以輕松針對(duì)給定上下文進(jìn)行培訓(xùn)而無(wú)需任何互聯(lián)網(wǎng)連接的邊緣設(shè)備。

硬件部件：

• Raspberry Pi 4 B型×1個(gè)
• 英特爾神經(jīng)計(jì)算棒2×1個(gè)
• Seeed ReSpeaker 2-麥克風(fēng)Pi HAT×1個(gè)
• Raspberry Pi攝像頭模塊V2×1個(gè)
• 喇叭3W x 2×1個(gè)

軟件應(yīng)用程序和在線服務(wù)：

• 樹(shù)莓派Raspbian
• 英特爾OpenVINO工具包
• Tesseract OCR
• 深度語(yǔ)音

應(yīng)用程序中使用的機(jī)器學(xué)習(xí)模型

使用了三種機(jī)器學(xué)習(xí)模型：

1. Tesseract OCR（基于LSTM的模型）

Tesseract是一種OCR引擎，支持unicode，并具有開(kāi)箱即用地識(shí)別100多種語(yǔ)言的能力?？梢杂?xùn)練它識(shí)別其他語(yǔ)言。

2. DeepSpeech（TensorFlow Lite型號(hào)）

DeepSpeech是一個(gè)開(kāi)源的語(yǔ)音轉(zhuǎn)文本引擎，使用由機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練的模型，該模型由Google的TensorFlow簡(jiǎn)化實(shí)施。

3. BERT

BERT是一種語(yǔ)言表示模型，代表變壓器的雙向編碼器表示。預(yù)訓(xùn)練的BERT模型僅需增加一個(gè)輸出層即可進(jìn)行微調(diào)，以創(chuàng)建適用于各種任務(wù)（例如問(wèn)題解答和語(yǔ)言推論）的最新模型，而無(wú)需進(jìn)行大量針對(duì)特定任務(wù)的體系結(jié)構(gòu)修改。

前兩個(gè)模型在Raspberry Pi 4上運(yùn)行，最后一個(gè)模型在使用OpenVINO Toolkit的Intel Neural Compute Stick 2上運(yùn)行。