卓上ソルをVS Codeで開発!録音10秒・表示改善で使いやすく【開発記録④】

AI開発・実験記録

卓上ソルの開発も、顔を表示するところから、マイクで聞いてローカルAIで答えるところまで進みました。ただ、実際に使ってみると、まだまだ直したいところが出てきます。

今回は録音時間・画面表示の改良と、開発環境をWindowsのメモ帳からVisual Studio Code(VS Code)へ移すところまでを記録します。大きな新機能というより、開発を続けるための土台づくり。地味だけど大事な回です。

コードの作成や修正案はChatGPTのソルに手伝ってもらい、実際の操作・動作確認・エラーの報告は私がWindows PCで行っています。

10秒話せるようにしたら、猫の話になった【Ver.0.5の調整】

これまでは「話しかける」ボタンを押すと、録音時間が5秒間でした。ところが、ちょっと長い質問をすると途中で切れてしまいます。

そこで設定を次のように変更しました。

RECORD_SECONDS = 10

これだけで、実際の録音時間は10秒へ。さらに、ボタンや「今から○秒間録音するよ」という案内が古い表示のままにならないよう、f-stringを使って設定値と連動させました。

text=f"🎤 話しかける({RECORD_SECONDS}秒)"

fを付けた文字列では、波括弧に入れた変数の値が文字として表示されます。今後、録音時間を変更してもボタンの文字を直し忘れずに済みます。

さっそく「猫のかわいいところを3つ」と聞いてみると、最初は電車・ファミリーマート・水族館という珍回答……。猫はどこへ行ったのでしょう(笑)

そこで「猫のかわいいところを3つ、日本語で短く教えて。猫の特徴だけ答えてね」と具体的に聞き直しました。

猫の特徴に関する質問にローカルQwenが回答した卓上ソルVer.0.5の画面
質問を具体化すると猫の特徴には沿ったものの、日本語には課題が残る。

今度は猫の毛色・目・爪について答えましたが、最後は少し不自然な文章に。質問を具体化すると改善する場合はあるものの、自然な返事が安定するわけではないと感じました。音声認識の誤りとAIの文章生成の誤りも、今後分けて確かめたいところです。

長い返事が画面からはみ出す!

次の問題は、返事が長いと画面の下に入りきらないこと。文字を折り返す wraplength はすでに設定していましたが、表示できる高さには限界がありました。

そこで返答欄を、固定のラベル(tk.Label)から、スクロールできるテキスト欄(tk.Text)へ変更。スクロールバーも追加しました。

self.reply_text = tk.Text(
    reply_frame,
    height=4,
    wrap="word",
    yscrollcommand=scrollbar.set,
)
scrollbar.config(command=self.reply_text.yview)

ただし、ここで思いがけない壁が。コードをメモ帳でコピー&ペーストしたら、Pythonの字下げ(インデント)が崩れて何度もエラーになりました。

  • IndentationError:行頭の字下げが合っていない
  • SyntaxError: invalid non-printable character U+3000:行頭に全角スペースが混ざっている

行番号を確認しながら修正し、最後は python -m py_compile sol_face_chat.py で構文チェックが通るところまで到達。起動してみると、返答欄にスクロールバーが表示されました。

返事欄にスクロールバーが追加された卓上ソルVer.0.5の起動画面

新しいエディターからも卓上ソルが起動し、スクロール欄が表示された。

ひとまず、文章が長くても画面内でスクロールして読めるように! ただし、AIの返事そのものが途中で終わっていないかは、別の検証が必要です。

メモ帳を卒業して、VS Codeを導入

インデント修正に毎回苦労するので、ここで開発環境そのものを見直すことにしました。

導入したのは、無料で使えるコードエディターVisual Studio Code(VS Code)。Windowsのメモ帳と違って、コードの色分け、字下げのガイド、補完など、プログラミングを支援する機能があります。

今回行った手順は次のとおりです。

  1. VS Code公式サイトからWindows版をインストール。
  2. セットアップ中のGitHub Copilot CLIは、今回は使わないので追加しない設定を選択。
  3. 自分で作っている C:\kosol フォルダーをVS Codeで開き、ワークスペースを信頼する設定に。
  4. 拡張機能からMicrosoft製の「Python」を導入。PylanceやDebuggerなども一緒に利用できる状態に。
  5. 既存の .venv をそのまま使うように設定・確認。
Visual Studio CodeでMicrosoft製Python・Pylance・Python Debugger等の拡張機能がインストール済みの画面

Python開発用の拡張機能を導入。

ここで大切なのは、PythonやQwen、Whisperを最初からインストールし直したわけではないこと。今まで使っていた仮想環境(.venv)を再利用しています。

VS Codeの中でPythonを確認して、卓上ソルを起動!

VS Code内のターミナルを開き、次のコマンドを実行しました。

python -c "import sys; print(sys.executable)"

表示されたのは、卓上ソルの仮想環境にあるPython。

C:\kosol\.venv\Scripts\python.exe
VS Codeの統合ターミナルで既存のPython仮想環境のパスを確認した画面

C:\kosol\.venv 内のPythonが使われていることを確認。

続いて、同じターミナルからプログラムを起動。

python sol_face_chat.py

いつもの卓上ソル Ver.0.5が無事に表示されました! 新しいエディターからでも、以前と同じアプリが動くことを確認できています。

ちなみに、エラー調査中に使った python -m py_compile sol_face_chat.py は文法を確認するためのコマンド。画面を起動する python sol_face_chat.py とは役割が違います。前者で何も表示されないときは、構文エラーが見つからなかったということです。実行時の不具合まですべて防げるわけではありません。

今回できたこと・次の目標

  • マイク録音を5秒から10秒へ延長。
  • 録音ボタン・案内文を設定値と連動させた。
  • 長いAIの返答をスクロールして読めるようにした。
  • インデントや全角スペースによるPythonエラーを修正した。
  • VS CodeとPython拡張機能を導入し、既存の .venv で卓上ソルの起動を確認した。

次は会話品質の改善。今使っている Qwen2.5-0.5B-Instruct と、もう少し大きなモデルを比較することを考えています。大きいモデルのほうが良い文章を生成する可能性はありますが、CPUだけで動かす場合は応答が遅くなるかもしれません。

その先には、再起動しても残る記憶、AIによる動作選択、そして現実の机の上で動く身体という目標もあります。まだロボットの筐体やモーターは作っていません。今回進んだのは、あくまでPC上の卓上ソルを開発しやすくするための環境づくりです。

……ロボットの身体ができる前に、開発者がインデントと戦っていた記録が残るとは(笑)これも成長記録ということで!(ΦωΦ)フフフ…

コメント

タイトルとURLをコピーしました