컴퓨터의 마이크에서 음성 데이터를 받아 모델에게 맞는 형태로 전처리하려면 WebAudio API를 잘 알고 있어야 합니다. 편리하게도 훈련된 오디오 합성곱 신경망을 로드하고 데이터 수집과 전처리를 담당하는 래퍼 클래스가 제공됩니다. 이 래퍼 클래스를 사용하려면 index.html에 다음과 같은 스크립트를 추가합니다.

<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/speech-commands"></script>

만약 오디오 데이터 입력 파이프라인의 구조에 관심이 있다면 https://github.com/tensorflow/tfjs-models깃허브 저장소에서 speech-commands/src 폴더 안의 소스 코드를 참고하세요.

코드 4-9는 브라우저에서 실시간으로 음성 단어를 인식하기 위해 래퍼 클래스를 사용하는 방법을 보여 주는 간단한 예제입니다.

음성 인식을 실제로 테스트해 보려면 컴퓨터에 마이크가 있어야 합니다(대부분의 노트북 컴퓨터는 마이크를 가지고 있습니다).³² 어휘 사전에 있는 단어를 인식할 때마다 화면에 이를 출력합니다. 따라서 이 예제는 WebAudio API와 심층 합성곱 신경망을 사용한 브라우저 기반의 단어 인식 서비스입니다. 그렇다면 단어가 연결된 문장을 인식할 수 있지 않을까요? 이를 위해서는 순차 정보를 처리할 수 있는 다른 종류의 신경망 층이 필요합니다. 8장에서 이에 대한 내용을 다룹니다.