-
Notifications
You must be signed in to change notification settings - Fork 17
/
bot.py
executable file
·260 lines (220 loc) · 13.6 KB
/
bot.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
# OS : GNU/Linux Ubuntu 16.04 or 18.04
# LANGUAGE : Python 3.5.2 or later
# AUTHOR : Klim V. O.
# - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
'''
Вопросно-ответный бот на основе нейросетевой модели seq2seq. Поддерживает общение
в текстовом формате, с синтезом (RHVoice) и распознаванием (PocketSphinx) речи.
'''
import sys
import signal
import platform
import curses
import os
from text_to_text import TextToText
from text_to_speech import TextToSpeech
from speech_to_text import SpeechToText
from preparing_speech_to_text import LanguageModel
f_name_source_data = 'data/plays_ru/plays_ru.txt'
f_name_training_sample = 'data/plays_ru/prepared_plays_ru.pkl'
f_name_enc_training_sample = 'data/plays_ru/encoded_plays_ru.npz'
f_name_w2v_model = 'data/plays_ru/w2v_model_plays_ru.bin'
f_name_w2v_vocab = 'data/plays_ru/w2v_vocabulary_plays_ru.txt'
f_name_model = 'data/plays_ru/model_plays_ru.json'
f_name_model_weights = 'data/plays_ru/model_weights_plays_ru.h5'
curses.setupterm()
def configure_file_names():
''' Запрашивает выбор одного из наборов данных (plays_ru, conversations_ru и subtitles_ru), корректирует имена файлов
и возвращает имя выбранного набора данных. '''
print('[i] Выберите набор данных:')
print('\t1. plays_ru - набор диалогов из пьес')
print('\t2. conversations_ru - набор диалогов из различных произведений')
print('\t3. subtitles_ru - набор диалогов из субтитров к 347 сериалам')
print('[W] conversations_ru и subtitles_ru ещё в разработке!')
while True:
choice = input('\rВаш выбор: ')
if choice == '1':
name_dataset = 'plays_ru'
break
elif choice == '2':
name_dataset = 'conversations_ru'
break
elif choice == '3':
name_dataset = 'subtitles_ru'
break
else:
os.write(sys.stdout.fileno(), curses.tigetstr('cuu1'))
print(' ', end='')
global f_name_source_data, f_name_training_sample, f_name_enc_training_sample, f_name_w2v_model, f_name_w2v_vocab, f_name_model, f_name_model_weights
f_name_source_data = 'data/' + name_dataset + '/' + name_dataset + '.txt'
f_name_training_sample = 'data/' + name_dataset + '/prepared_' + name_dataset + '.pkl'
f_name_enc_training_sample = 'data/' + name_dataset + '/encoded_' + name_dataset + '.npz'
f_name_w2v_model = 'data/' + name_dataset + '/w2v_model_' + name_dataset + '.bin'
f_name_w2v_vocab = 'data/' + name_dataset + '/w2v_vocabulary_' + name_dataset + '.txt'
f_name_model = 'data/' + name_dataset + '/model_' + name_dataset + '.json'
f_name_model_weights = 'data/' + name_dataset + '/model_weights_' + name_dataset + '.h5'
return name_dataset
def train():
''' Обучение модели seq2seq. '''
name_dataset = configure_file_names()
f_name_subtitles = None
f_name_prepared_subtitles = None
if name_dataset != 'subtitles_ru':
f_name_subtitles = 'data/subtitles_ru/subtitles_ru.txt'
f_name_prepared_subtitles = 'data/subtitles_ru/prepared_subtitles_ru.pkl'
ttt = TextToText(train=True)
ttt.prepare(f_name_source_data, f_name_training_sample, f_name_subtitles, f_name_prepared_subtitles, f_name_enc_training_sample, f_name_w2v_model,
f_name_w2v_vocab, len_encode=10000, size=500, epochs=None, logging=True)
#ttt.load_prepared(f_name_w2v_model=f_name_w2v_model, f_name_enc_training_sample=f_name_enc_training_sample)
ttt.train(f_name_enc_training_sample, f_name_model, f_name_model_weights, depth_model=2, training_cycles=200, epochs=5)
lm = LanguageModel()
lm.build_language_model(f_name_source_data, 10000)
# SimpleSeq2Seq
# 248 входных фраз, epochs = 100
# 10 итераций, 5 эпох - точность 0% (size = 150)
# 50 итераций, 5 эпох - точность 22.58% (size = 150)
# 50 итераций, 10 эпох - точность 61.29% (size = 150)
# 50 итераций, 10 эпох - точность 69.35% (size = 200)
# 50 итераций, 15 эпох - точность 64.52% (size = 100)
# 50 итераций, 15 эпох - точность 83.87% (size = 150)
# 50 итераций, 15 эпох - точность 80.65% (size = 200)
# 50 итераций, 20 эпох - точность 95.16% (size = 150)
# 50 итераций, 20 эпох - точность 98.39% (size = 200) (244 из 248 правильных ответов)
# 50 итераций, 25 эпох - точность 96.77% (size = 150)
# 50 итераций, 25 эпох - точность 99% (size = 200) (246 из 248 правильных ответов)
# 50 итераций, 30 эпох - точность 96.77% (size = 150) (240 из 248 правильных ответов)
# 50 итераций, 30 эпох - точность 100% (size = 200) (248 из 248 правильных ответов)
# 1596 входных фраз, epochs = 1000, 50 итераций по 30 эпох
# size = 1250 - недостаточно видеопамяти (ошибка аллокации)
# size = 1100 - недостаточно видеопамяти
# size = 1000 - недостаточно видеопамяти
# size = 900 - обучение займёт примерно 44.5 часов
# size = 800 - обучение займёт примерно 33 часа
# size = 700 - обучение займёт примерно 25.8 часа
# size = 600 - обучение займёт примерно 21.2 часа
# size = 500 - обучение займёт примерно 15.4 часа
# 1596 входных фраз, epochs = 1000, size = 500
# 50 итераций, 20 эпох - обучение займёт примерно 9.4 часа
# 50 итераций, 15 эпох - обучение займёт примерно 7.3 часа
# 50 итераций, 10 эпох - точность 98.62% (1574 из 1596 правильных ответов), время обучения - 4.8ч или 287.7 мин
# 50 итераций, 10 эпох - точность 98.18% (1567 из 1596 правильных ответов)
# 55 итераций, 10 эпох - точность 98.38% (1575 из 1601 правильных ответов)
# 55 итераций, 5 эпох - точность 94.57% (1514 из 1601 првильных ответов)
# 55 итераций, 5 эпох - точность 95.19% (1524 из 1601 правильных ответов)
# 150 итераций, 5 эпох - точность 99.25% (1589 из 1601 правильных ответов), ошибка 0.207
# window = 10, 65 итераций, 5 эпох - точность 0.87% (14 из 1601 правильных ответов), ошибка 0.0957
# window = 10, 150 итераций, 5 эпох - точность 98.5% (1577 из 1601 правильных ответов), ошибка 0.0348
# AttentionSeq2Seq
# 100 итераций, 5 эпох - точность 99.31% (1590 из 1601 правильных ответов), ошибка 0.0120 (размер вектора 500)
def predict(speech_recognition=False, speech_synthesis=False):
''' Работа с обученной моделью seq2seq.
1. speech_recognition - включение распознавания речи с микрофона с помощью PocketSphinx
2. speech_synthesis - включение озвучивания ответов с помощью RHVoice '''
name_dataset = configure_file_names()
ttt = TextToText(f_name_w2v_model=f_name_w2v_model, f_name_model=f_name_model, f_name_model_weights=f_name_model_weights)
if speech_recognition:
print('[i] Загрузка языковой модели для распознавания речи...')
stt = SpeechToText('from_microphone', name_dataset)
if speech_synthesis:
print('[i] Загрузка синтезатора речи...')
tts = TextToSpeech('anna')
print()
question = ''
while(True):
if speech_recognition:
print('Слушаю...')
question = stt.get()
os.write(sys.stdout.fileno(), curses.tigetstr('cuu1'))
print('Вы: ' + question)
else:
question = input('Вы: ')
answer, lost_words = ttt.predict(question, True)
print('\t=> %s' % answer)
if len(lost_words) > 0:
print('[w] Потерянные слова: ' + ', '.join(lost_words) + '\n')
else:
print()
if speech_synthesis:
tts.get(answer)
# Попробовать в качестве центральной части использовать pynlc или chatterbot (что бы была поддержка сценария и некоторого контекста, который можно
# брать из БД)
def main():
if len(sys.argv) > 1:
if sys.argv[1] == 'train':
train()
elif sys.argv[1] == 'predict':
if len(sys.argv) > 2:
if sys.argv[2] == '-ss':
if len(sys.argv) > 3:
if sys.argv[3] == '-sr':
predict(True, True)
else:
print("[E] Неверный аргумент командной строки '" + sys.argv[3] + "'. Введите help для помощи.")
sys.exit(0)
predict(False, True)
elif sys.argv[2] == '-sr':
if len(sys.argv) > 3:
if sys.argv[3] == '-ss':
predict(True, True)
else:
print("[E] Неверный аргумент командной строки '" + sys.argv[3] + "'. Введите help для помощи.")
sys.exit(0)
predict(True, False)
else:
print("[E] Неверный аргумент командной строки '" + sys.argv[2] + "'. Введите help для помощи.")
sys.exit(0)
predict()
elif sys.argv[1] == 'help':
print('Поддерживаемые варианты работы:')
print('\ttrain - обучение модели seq2seq')
print('\tpredict - работа с обученной моделью seq2seq')
print('\tpredict -ss - включено озвучивание ответов с помощью RHVoice')
print('\tpredict -sr - включено распознавание речи с помощью PocketSphinx')
print('\tpredict -ss -sr - включено озвучивание ответов и распознавание речи')
print('\tpredict -sr -ss - включено озвучивание ответов и распознавание речи')
print('По умолчанию используется набор диалогов из пьес plays_ru.')
sys.exit(0)
else:
print("[E] Неверный аргумент командной строки '" + sys.argv[1] + "'. Введите help для помощи.")
sys.exit(0)
else:
print('[i] Выберите вариант работы бота:')
print('\t1. train - обучение модели seq2seq')
print('\t2. predict - работа с обученной моделью seq2seq')
print('\t3. predict -ss - включено озвучивание ответов с помощью RHVoice')
print('\t4. predict -sr - включено распознавание речи с помощью PocketSphinx')
print('\t5. predict -ss -sr - включено озвучивание ответов и распознавание речи')
while True:
choice = input('\rВаш выбор: ')
if choice == '1':
choice = input('Вы уверены?(д/н) ')
if choice == 'д' or choice == 'y':
train()
break
elif choice == '2':
predict()
break
elif choice == '3':
predict(False, True)
break
elif choice == '4':
predict(True, False)
break
elif choice == '5':
predict(True, True)
break
else:
os.write(sys.stdout.fileno(), curses.tigetstr('cuu1'))
print(' ', end='')
def on_stop(*args):
print('\n[i] Бот остановлен')
sys.exit(0)
if __name__ == '__main__':
# При нажатии комбинаций Ctrl+Z, Ctrl+C либо закрытии терминала будет вызываться функция on_stop() (Работает только на linux системах!)
if platform.system() == 'Linux':
for sig in (signal.SIGTSTP, signal.SIGINT, signal.SIGTERM):
signal.signal(sig, on_stop)
main()