Alexaの最新ライブラリが発表されたのに便乗して
今や音声入力インターフェースが花盛り。
そんなこんなで、音声入力インターフェースが「ポスト・スマホの最有力 」なんて言われたりするものだから、世界中で巨人達が熾烈な争いを繰り広げている。
そんなさなか、amazonが二週間ほど前に最新のAlexa用公式ライブラリ（SDK）を発表 。
以前からずっとAlexaを使ってみたいと思っていたので、ちょうど良い機会だし「Amazon Echoもどき 」を作ってみようかな、動かしてみたいし・・・という軽い動機にて。ラズパイで自作（DIY） してみます。
ちなみに。VIDEO
でもって、最新Alexa SDKのGithubリポジトリ はこちら。https://github.com/alexa/avs-device-sdk
AVS（Alexa Voice Service）SDKリポジトリのwikiには、Amazonが最新SDK用の丁寧な”Quick Start Guide”を用意してくれているので、これをなぞるだけで、Alexaが動くよ！（らしいよ。）
と思っていたら、結果的に「かなりの忍耐力 」を要求されたことだけは先に言っておきます。道を知ることと道を行くことは全く違う （モーフィアス）」。そういうもんだよね。）
もう一度言っておきます。
前置きが長くなった・・・・。
さぁ、帆を上げろ！
何よりもまず、ラズパイを用意する
今回、私は手元に2年前くらいに買った「Raspberry Pi2 」があったのでそれを使用します。ラズパイ３ 5500円前後
ラズパイ自体のセットアップ等については、過去記事参照。Raspberry Pi 2(or 3)で楽しく格安ディスクトップPC構築
ちなみに、Alexaはマイクから音声を拾って、スピーカーを通して返事を返すので、上記説明とは別にラズパイに繋げる①マイクと②スピーカーは必須です。
Alexa（AVS）動作までのステップを確認しておこう
Alexaを構築作業に着手する前に、構築のステップを大まかに把握ね。
手持ちのラズパイをAmazon Developerに登録する（オンライン）
Alexa SDKを動かすために必要なライブラリをインストールする。（これが時間かかる）
Alexaの実行環境が整ったら、公式サンプルをダウンロードしてきてビルドする。
ビルドしたアプリを立ち上げて、マイクに向かって”Alexa!”と呼びかける。（すると、奇跡が・・・）
ラズパイをAmazon Developerに登録する
（以下の登録は、ラズパイでやってもいいし、PCで作業してもOK。私は普段使っているMacでやりました。）
まずは、Amazon Developerにアクセスし、ログインする（アカウントが無い人はアカウントを作ってログイン）。https://developer.amazon.com/
Amazon Developerにログインしたら”Alexa”タブを選択して、”Alexa Voice Service”で”Get Started “!!
次に、画面右上の”CREATE PRODUCT “を選択。
これ、全部スクショとってたらアップしてたら記事がめっちゃ読みづらくなりそう・・・。
上記”CREATE PRODUCT”をクリックすると入力フォームが出てくるので、各項目を解説しておきます。
“Product Name”- 任意のプロダクト名を入力
“Product ID”- 任意のプロダクトIDを入力
“Is your product an app or a device?”- “Device”を選択
“Product category”- “Other”を選択。”Rapsberry Pi Project on GitHub”と入力。（って公式ドキュメントに書いている）
“Brief product description”- プロダクトの簡単な説明。（”My first Pi project.”とか入力。）
“How will end users interact with your product?”- “Touch-initiated”と”Hands-free”を選択。
“Upload an image”- プロダクトのアイコンね。私はスルーしました。（公式もスキップしてもOKって書いている）
“Do you intend to distribute this product commercially?”- “No”選択。
“Is this a children’s product or is it otherwise directed to children younger than 13 years old?”- “No”選択。
フォームを埋めたら”NEXT “ボタンを押して次へ。
セキュリティー設定を行う。CREATE NEW PROFILE “をクリック。
セキュリティー設定のフォーム入力項目はこれだけ。
“Security Profile Name”- プロファイルの名前を入力。(ex.Alexa Voice Service Sample App Security Profile)
“Security Profile Description”- プロファイルの説明。（ex.Alexa Voice Service Sample App Security Profile)
“NEXT”を押すと”Client ID “と”Client Secret “の二つが生成されてます。
で、”Client ID”と”Client Secret”の下に
ちなみに、最後に入力したURL二つは、ラズパイでAlexaSDKをインストールした後に、認証するために必要になります。
これで、プロダクト登録完了！！Client ID “、”Client Secret “、”Product ID “などはラズパイの設定ファイルに書き込むことになります。
ほい！ではAVS-SDKの必須ライブラリインストール
もうすでにぐったりしている人もいるかもしれないが、ぐったりするのはこれからだから。
ということで、ここからは、ラズパイのコマンドラインを立ち上げてひたすらコピペ。
では、行きましょう！
1.まずはラズパイに作業フォルダと環境変数を設定
定番ですが。
$ sudo apt-get update
環境変数等設定。
$ echo "export SOURCE_FOLDER=$HOME/sources" >> $HOME/.bash_aliases
$ echo "export LOCAL_BUILD=$HOME/local-builds" >> $HOME/.bash_aliases
$ echo "export LD_LIBRARY_PATH=$HOME/local-builds/lib:$LD_LIBRARY_PATH" >> $HOME/.bash_aliases
$ echo "export PATH=$HOME/local-builds/bin:$PATH" >> $HOME/.bash_aliases
$ echo "export PKG_CONFIG_PATH=$HOME/local-builds/lib/pkgconfig:$PKG_CONFIG_PATH" >> $HOME/.bash_aliases
$ source $HOME/.bashrc
$ mkdir $SOURCE_FOLDER
2.Buildツール類をインストール
apt-getだけでなく、ソースからmake（コンパイル）しないといけないライブラリ類もあるので。
$ sudo apt-get install git gcc cmake build-essential
3.ネットワーク系ライブラリ
OpenSSL/HTTP2/libcurlをインストール
・http2 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://github.com/nghttp2/nghttp2/releases/download/v1.0.0/nghttp2-1.0.0.tar.gz
$ tar xzf nghttp2-1.0.0.tar.gz
$ cd $SOURCE_FOLDER/*nghttp2*/
$ ./configure --prefix=$LOCAL_BUILD --disable-app
$ make -j3
$ sudo make install
・openssl ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://www.openssl.org/source/old/1.0.2/openssl-1.0.2a.tar.gz
$ tar xzf openssl-1.0.2a.tar.gz
$ cd *openssl*/
$ ./config --prefix=$LOCAL_BUILD --openssldir=$LOCAL_BUILD shared
$ make -j3
$ sudo make install
・libcurl ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://curl.haxx.se/download/curl-7.50.2.tar.gz
$ tar xzf curl-7.50.2.tar.gz
$ cd *curl*/
$ ./configure --with-ssl=$LOCAL_BUILD --with-nghttp2=$LOCAL_BUILD --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
4.データベース系
・sqlite インストール
$ sudo apt-get install sqlite3 libsqlite3-dev
5.マルチメディア系
マルチメディア系ライブラリのgstreamerをインストールする前に、依存関係のライブラリをインストール
$ sudo apt-get install bison flex libglib2.0-dev libasound2-dev pulseaudio libpulse-dev
$ sudo apt-get install libfaad-dev libsoup2.4-dev libgcrypt20-dev
・gstreamer-1.10.4 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://gstreamer.freedesktop.org/src/gstreamer/gstreamer-1.10.4.tar.xz
$ tar xf gstreamer-1.10.4.tar.xz
$ cd *gstreamer*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
・gst-plugins-base-1.10.4 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://gstreamer.freedesktop.org/src/gst-plugins-base/gst-plugins-base-1.10.4.tar.xz
$ tar xf gst-plugins-base-1.10.4.tar.xz
$ cd *gst-plugins-base*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
・gst-libav-1.10.4 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://gstreamer.freedesktop.org/src/gst-libav/gst-libav-1.10.4.tar.xz
$ tar xf gst-libav-1.10.4.tar.xz
$ cd *gst-libav*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
・gst-plugins-good-1.10.4 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://gstreamer.freedesktop.org/src/gst-plugins-good/gst-plugins-good-1.10.4.tar.xz
$ tar xf gst-plugins-good-1.10.4.tar.xz
$ cd *gst-plugins-good*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
・gst-plugins-bad-1.10.4 ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget https://gstreamer.freedesktop.org/src/gst-plugins-bad/gst-plugins-bad-1.10.4.tar.xz
$ tar xf gst-plugins-bad-1.10.4.tar.xz
$ cd *gst-plugins-bad*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
6.サンプルアプリ用音声録音・再生
・portaudio ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ wget http://www.portaudio.com/archives/pa_stable_v190600_20161030.tgz
$ tar xf pa_stable_v190600_20161030.tgz
$ cd *portaudio*/
$ ./configure --prefix=$LOCAL_BUILD
$ make -j3
$ sudo make install
7.Sensory wake word engine
音声検出エンジン "Sensory"
・Sensoryの依存ライブラリインストール
$ sudo apt-get -y install libasound2-dev
$ sudo apt-get -y install libatlas-base-dev
$ sudo ldconfig
・Sensory ダウンロード＆インストール
$ cd $SOURCE_FOLDER
$ git clone git://github.com/Sensory/alexa-rpi.git
$ bash alexa-rpi/bin/license.sh
$ cp alexa-rpi/lib/libsnsr.a $LOCAL_BUILD/lib
$ cp alexa-rpi/include/snsr.h $LOCAL_BUILD/include
$ mkdir $LOCAL_BUILD/models
$ cp alexa-rpi/models/spot-alexa-rpi-31000.snsr $LOCAL_BUILD/models
やーっと、AVS本体のビルドー！
1.AVS Device SDK ダウンロード
$ cd $HOME
$ mkdir AVS_SDK
$ cd AVS_SDK
$ git clone git://github.com/alexa/avs-device-sdk.git
$ echo "export SDK_SRC=$HOME/AVS_SDK/avs-device-sdk" >> $HOME/.bash_aliases
$ source $HOME/.bashrc
2.Sensory, GStreamer, PortAudioとともにSDKをビルド
$ cd $HOME
$ mkdir BUILD
$ cd BUILD
$ cmake $SDK_SRC -DSENSORY_KEY_WORD_DETECTOR=ON -DSENSORY_KEY_WORD_DETECTOR_LIB_PATH=$LOCAL_BUILD/lib/libsnsr.a -DSENSORY_KEY_WORD_DETECTOR_INCLUDE_DIR=$LOCAL_BUILD/include -DGSTREAMER_MEDIA_PLAYER=ON -DPORTAUDIO=ON
-DPORTAUDIO_LIB_PATH=$LOCAL_BUILD/lib/libportaudio.a -DPORTAUDIO_INCLUDE_DIR=$LOCAL_BUILD/include -DCMAKE_PREFIX_PATH=$LOCAL_BUILD -DCMAKE_INSTALL_PREFIX=$LOCAL_BUILD
3.設定ファイルに設定を書き込む
（ここどハマりポイント）
viでもvimでもnanoでもなんでもいいですが、設定ファイルを編集します。
ちなみに、ここは私がどハマりしたポイントです。
{
"authDelegate":{
"clientSecret":"${SDK_CONFIG_CLIENT_SECRET}",
"deviceSerialNumber":"${SDK_CONFIG_DEVICE_SERIAL_NUMBER}",
"refreshToken":"${SDK_CONFIG_REFRESH_TOKEN}",
"clientId":"${SDK_CONFIG_CLIENT_ID}",
"deviceTypeId":"${SDK_CONFIG_DEVICE_TYPE_ID}"
},
"alertsCapabilityAgent":{
"databaseFilePath":"${SDK_SQLITE_DATABASE_FILE_PATH}",
"alarmSoundFilePath":"${SDK_ALARM_DEFAULT_SOUND_FILE_PATH}",
"alarmShortSoundFilePath":"${SDK_ALARM_SHORT_SOUND_FILE_PATH}",
"timerSoundFilePath":"${SDK_TIMER_DEFAULT_SOUND_FILE_PATH}",
"timerShortSoundFilePath":"${SDK_TIMER_SHORT_SOUND_FILE_PATH}"
}
}
まず"authDelegate"内の値。
"refreshToken"は、後の認証作業で自動的に書き込まれるので今は空欄にしておいてOK。
"clientSecret"、"clientId"の二つは、上記ラズパイのデバイス登録したときに表示された値を書き込みます。
で、"deviceTypeId"ですが、こんな値はデバイス登録したときに与えられおらず、Amazon Developersで登録したデータをあちこち探してもそんな値はない。"deviceTypeId"とは何なのか 、さっぱりわからなかったが、登録データに載っていて考えられそうな値としては"Product ID"あたり。
次に、"deviceSerialNumber"。適当に”12345678”といれたら通った 。
次に、"alertsCapabilityAgent"内の値。
"databaseFilePath"は、データベースのファイルパスなんだけど、とりあえず任意の場所でOK。
で、問題はその下。
意味がわからないので、空でいいや、と全部の値を空文字に設定してコンパイルしたら以下のようなエラーがでるし。
Failed to create default SDK client!
(SampleApp:12043): GStreamer-CRITICAL **: gst_element_get_state: assertion 'GST_IS_ELEMENT (element)' failed
2017-08-25 06:15:24.808 [ 2] E MediaPlayer:doStopFailed:reason=gstElementGetStateFailed
つまり、上記４つの値は空にはできないと思い、公式githubのissueを手当たり次第に当たっていたら、アラームとタイマー用の音声ファイルを設定しないといけないってことが判明。
https://developer.amazon.com/public/solutions/alexa/alexa-voice-service/content/alexa-voice-service-ux-design-guidelines
これで、設定ファイルの編集は完了！
4.いよいよAVS-SDKのインストール
$ cd $HOME/BUILD
$ make -j3
$ make install
5.SDKの認証
python AuthServer/AuthServer.py
上記コマンドで、ラズパイ内にWEBサーバーが立ち上がる。
すると、ページがリダイレクトされて、Amazonの認証ページに進むので
認証ボタンを押す。
認証に成功すると以下のような画面が現れて、先ほどの設定ファイルに"refreshToken"が自動的に書き込まれる。
祝！Alexaインストール完了！
ということで、こんな感じでDIY Alexa誕生。
いよいよAlexa on RaspberryPiとお話
よし！Alexa起動！
TZ=UTC ./SampleApp ~/BUILD/Integration/AlexaClientSDKConfig.json $LOCAL_BUILD/models
Alexaのコマンドが表示されAlexaがスタートした！
早速、Alexaに話しかけてみる。
私："Alexa！"
私：（よし！やったー！うまくいったどー！）VIDEO
いやー、ラズパイちゃんにAlexaさんが載って、ちゃんとお返事してくれています！
難しいことはしていないけど非常に時間がかかっただけに、Alexaさんの反応を聞けて嬉しい限り。
ま、ここまではね。
・・・・・・。
ええ、ここまではね。
この先、話しかけるとなぜかアプリが落ちる。
"hello！"と、挨拶のやりとりまではいいんだけど、その後"What's the weather in Kyoto now?"とか、Alexaさんと別の会話をしようとすると一気に機嫌を損ねてしまうようで。
う〜ん・・・。
公式のGithubにもissueが結構溜まってきてるし、Sampleアプリの不具合なのか、私の設定がどこかでミスっているのか・・・。
とりあえず、今回は一旦この辺りにしておいて、近いうちに修正していきます。
おまけ(費用のお話)
昔買ったラズパイを使いまわしているので、現在の価格と相違があるかもしれませんが、予算的なことを。
RaspberryPi 2 Model B 5140円 (２年以上前の2015年に購入)
SDカード 360円
USBマイク 790円
USBスピーカー 1290円
WiFi 1000円
合計 8580円
※今回はリモートディスクトップ（VNC）を使ってラズパイを操作したので、モニター等は使っていません。
すっげー！！
ただし、ebayとかだと、本体4000円＋送料3000円くらいで正規のAmazon Echo（Dot）が買えるんだけどね(^^)orz
