ध्वनि पहचान का उपयोग करके कैप्चा को कैसे बायपास करें

इंटरनेट पर, कैप्चा अभी भी प्रासंगिक है, जो एक विकल्प के रूप में संबंधित बटन पर क्लिक करके छवि से पाठ को सुनने की पेशकश करता है। यदि कोई नीचे दी गई तस्वीर से परिचित है और / या रुचि रखता है कि ऑफ़लाइन ध्वनि पहचान प्रणाली का उपयोग करके इसे कैसे प्राप्त किया जाए, तो इसे पढ़ने का सुझाव दिया गया है।



हम भाषण मान्यता के क्षेत्र में विशेषज्ञों की साज़िशों को पीड़ा नहीं देंगे, यह बताते हुए कि कथित उद्देश्यों के लिए कोई मालिकाना आवाज़ पहचान प्रणाली विकसित नहीं की गई है। लेख अच्छे पुराने पॉकेटफिनिक्स का उपयोग करता है, लेकिन एक निश्चित डिग्री अनुकूलन के साथ।

ट्रेनिंग

"आप उन प्रतियोगियों के कार्यालय में आते हैं, जिनके पास कंप्यूटर पर ध्वनि नियंत्रण है, चिल्लाओ" सूदो एरा माइनस Eref होम "और भाग जाओ।" टिप्पणियों से।

तो, कैप्चा उचित बटन पर क्लिक करके खुद को सुनने की पेशकश करता है। यदि आप परिणामी ध्वनि फ़ाइल को सहेजते हैं, तो आप यह पता लगा सकते हैं कि यह एमपी 3 में ऑडियो के एक छोटे टुकड़े की तरह है। उसी समय, जैसा कि यह निकला, कैप्चा को महिला या पुरुष की आवाज में अभिनय के साथ पेश किया जाता है। एक आदमी और एक महिला द्वारा की गई समान आवाज़ की "ड्राइंग" अलग है:



वे दोनों अक्षरों (और रूसी), और संख्याओं को ध्वनि देते हैं।

पहली नज़र में, सब कुछ दुखी है। लेकिन इसमें एक सकारात्मक बात यह है कि समान अक्षरों के लिए ध्वनियाँ मेल खाती हैं।

अब तक, यह ज्ञान बहुत मदद नहीं करता है। इस सब को स्फिंक्स के पैकेज में कैसे धकेलें?

पॉज़्सफिंक्स, एक रूसी ध्वनि मॉडल स्थापित करें

* Habré पर एक लेख है जहाँ ध्वनि को ध्वनि उत्पादन के पुनर्निर्देशन के माध्यम से ऑनलाइन Google अनुवादक को खिलाया जाता है। और यह इस पद को समाप्त कर सकता है, अगर यह सब इस मामले के लिए काम करता है।

खिड़कियों पर (और साथ ही लिनक्स पर) पॉकेट्सफिंक्स को स्थापित करना बहुत जटिल नहीं है - डाउनलोड , इंस्टॉल करें।

चूंकि डिफ़ॉल्ट पॉकेट्सफिनिक्स एक अंग्रेजी भाषा, ध्वनिक मॉडल, शब्दकोश के साथ आता है, आपको रूसी भाषा के लिए सभी की आवश्यकता होगी।

रूसी संस्करण डाउनलोड करें - लिंक ।

फ़ाइल संरचना में रूसी मॉडल को अनपैक करने के बाद, आप परीक्षण की कोशिश कर सकते हैं। निम्न पायथन कोड के साथ .wav फ़ाइल डिकोडर-text.wav:

import os from pocketsphinx import AudioFile, get_model_path, get_data_path #from pocketsphinx import Pocketsphinx model_path = get_model_path() data_path = get_data_path() config = { 'verbose': False, 'audio_file': os.path.join(data_path, 'C://python3//decoder-test.wav'), 'buffer_size': 2048, 'no_search': False, 'full_utt': False, 'hmm': os.path.join(model_path, 'C://python3//zero_ru_cont_8k_v3//zero_ru.cd_cont_4000'), 'lm': os.path.join(model_path, 'C://python3//zero_ru_cont_8k_v3//ru.lm'), 'dict': os.path.join(model_path, 'C://python3//zero_ru_cont_8k_v3//ru.dic') } audio = AudioFile(**config) for phrase in audio: print(phrase) 

ऑडियो फ़ाइल की सामग्री को लाइन पर प्रदर्शित किया जाना चाहिए: "इल्या इलफ़ इवगेनी पेट्रोव गोल्डन बछड़ा।"
यदि यह आउटपुट (मेरी स्थिति में) नहीं है, तो आपको डिकोडर- test.wav को अन्य ऑडियो प्रारूप में बदलने की आवश्यकता है।

इसके लिए आपको ffmpeg की आवश्यकता होगी।

ffmpeg

Ffmpeg की उपयोगिता को डाउनलोड करने के बाद, C: \ python3 \ ffmpeg की बिन में डिकोडर-टेस्ट। Wav डालें।
अगला, कमांड लाइन परिवर्तित करें:

 ffmpeg -i decoder-test.wav -ar 16000 decoder-test-.wav 

इसके बाद, अजगर कोड में स्रोत ऑडियो फ़ाइल के लिंक को ठीक करें:

 'audio_file': os.path.join(data_path, 'C://python3//decoder-test-.wav'), 

अब, कोड काम करने के बाद:



सच है, आपको दूसरे आने तक इंतजार करना होगा, कोड बहुत धीमी गति से काम करता है - लगभग 20 सेकंड।

हम एमपी 3 से wav और कैप्चा से ऑडियो फीड करने के लिए एक ही सिद्धांत द्वारा ऑडियो कैप्चा को परिवर्तित करते हैं। कोड पर एक नज़र डालें:



किसी प्रकार की अज्ञानता, लेकिन एक परिणाम है। यह बहुत बुरा होता अगर कुछ भी बाहर नहीं लाया गया होता। एक महिला आवाज के साथ:



आइए देखें कि परिणाम कैसे सुधारें और उसी समय इसे तेज करें।

शब्दकोश

आपको अपने खुद के शब्दकोश की आवश्यकता होगी। इस मामले में, इसमें रूसी वर्णमाला (बी, एस, बी को छोड़कर) और संख्याओं के सभी अक्षर शामिल होंगे।

सभी वर्णों को सादा पाठ फ़ाइल में रखा जाना चाहिए, जो UTF-8 एन्कोडिंग में प्रत्येक पंक्ति पर एक है।

अब आपको शब्दकोश बदलने की जरूरत है।
आपको पर्ल स्थापित करने की आवश्यकता होगी (यह काम करने के लिए कनवर्टर के लिए आवश्यक है)।
इसके बाद, ru4sphinx को परिवर्तित करने के लिए प्रोजेक्ट डाउनलोड करें।

और पहले से बने शब्दकोश को रूपांतरित करें:

  C:\ru4sphinx-master\ru4sphinx-master\text2dict> perl dict2transcript.pl my_dictionary.txt my_dictionary_out.txt. 

आउटपुट काम के लिए एक शब्दकोश है:



डिक्शनरी एक्सटेंशन को .txt से .dic फॉर्मेट में बदला जाना चाहिए, और फाइल को एक सुलभ जगह पर रखा जाना चाहिए।

अजगर कोड में, हम पुराने शब्दकोश में टिप्पणी करके शब्दकोश के स्थान को इंगित करेंगे:

 #'dict': os.path.join(model_path, 'C://python3//zero_ru_cont_8k_v3//ru.dic') 'dict': os.path.join(model_path, 'C://python3//my_dict.dic') 

कार्यक्रम के माध्यम से चलाएं और परिणाम देखें:



बेहतर है, लेकिन सिर्फ धीरे-धीरे, और सभी अक्षरों की सही पहचान नहीं की गई है।

अपना खुद का मॉडल बनाएं

यह काम की गति और परिणाम की थोड़ी सटीकता में काफी वृद्धि करेगा।

चलो निर्देशों से एक छोटा रास्ता तय करते हैं।

लिंक का अनुसरण करें और हमारे शब्दकोश को अपलोड करें, वेबसाइट में पहले से बनाया हुआ .txt प्रारूप (नहीं .dic!):



"संकलन ..." पर क्लिक करें। आउटपुट पर, आप परिणामी पैकेज को .tgz संग्रह में डाउनलोड कर सकते हैं (इसमें सभी आवश्यक फ़ाइलें हैं):



अगला, हम संग्रह से एक्सटेंशन .lm (हमारे मॉडल) के साथ एक फ़ाइल लेते हैं।

आइए एक नए बनाए गए मॉडल की जगह अजगर पहचान लिपि को ठीक करें:

 #'lm': os.path.join(model_path, 'C://python3//zero_ru_cont_8k_v3//ru.lm'), 'lm': os.path.join(model_path, 'C://python3//my_model//1896.lm'), 

हम कोशिश करते हैं:



यह बहुत तेजी से काम करता है - एक सेकंड से भी कम, इसके अलावा, सभी अक्षरों को परिभाषित किया गया है।
लेकिन यहां थोड़ी टिप्पणी की जरूरत है।

सभी वर्णों को सही तरीके से नहीं पहचाना जाता है, और यदि सही अक्षर के बजाय एक अलग वर्ण प्रदर्शित किया जाता है, तो आप पत्र के पत्राचार का मिलान करके पहले बनाए गए .dic शब्दकोश को मैन्युअल रूप से सही कर सकते हैं।

उदाहरण के लिए, पत्र ए के बजाय, ई प्रदर्शित करता है। शब्दकोश ई से एक पंक्ति लेना आवश्यक है:
ry
और हस्तांतरण (पुराने को हटाते हुए) इसे, पत्र बदलना:
ry
लेकिन चूंकि पत्र "ए" पहले से ही शब्दकोश में है, तो आपको पत्र में "(2)" (या 3,4) जोड़ने की जरूरत है, सामान्य तौर पर, एक सीरियल नंबर, जो इस बात पर निर्भर करता है कि शब्दकोश में पहले से कितनी ध्वनियां हैं:
a(2) ry

शब्दकोश को फिर से बदलना आवश्यक नहीं है। इस तरह के एक सरल तरीके से आप लगभग सभी अक्षरों के फोननेम "पिकअप" कर सकते हैं।

चेरचेज़ ला फेमे

मॉडल और शब्दावली काम करते हैं, लेकिन एक महिला आवाज के साथ नहीं। यदि कैप्चा की आवाज महिला है, तो हमें आउटपुट पर कुछ नहीं मिलता है। यह एक ही समय में अच्छा और बुरा दोनों है। पहले अच्छे के बारे में।

यदि आप कार्यक्रम शुरू करते समय कुछ भी नहीं पहचानते हैं, तो इसका मतलब है कि हम एक महिला आवाज के साथ काम कर रहे हैं, इसलिए आप "महिला" कैदियों को फ़िल्टर कर सकते हैं।

लेकिन उनका क्या करें?
यहां आपको रूपांतरण के साथ काम करने की आवश्यकता है।
उदाहरण के लिए, "पुरुष" कैप्चा के साथ, आवृत्ति 16000 थी, और महिला "कैप्चा" 24000 के लिए:

 ffmpeg -i acap(3).mp3 -ar 24000 acap(3)2.wav 

सभी ध्वनियों को परिभाषित किया जाता है (ध्वनि द्वारा प्रत्येक पंक्ति में), लेकिन उनका पत्राचार लंगड़ा होता है।
महिला मॉडल के लिए एक अलग शब्दकोश बनाना बेहतर है और फिर इसे संपादित करें।
हालाँकि, यह स्वाध्याय के लिए है।

उपयोगी लिंक:

1. home-smart-home.ru/raspberry-pi-pocketsphinx-offlajn-raspoznavanie-rechi-i-upravlenie-golosom
2.https: //itnan.ru/post.php? C = 1 & p = 351376
3. ru.wikipedia.org/wiki/Cherchez_la_femme

फाइलें:

1. कार्यक्रम ।
2. मॉडल ।
3. रूसी मॉडल ।
4. शब्दकोश ।
5. टेस्ट कैप्चा ।
6. ffmpeg ।
7. कैप्चा का एक पैकेट ।