【Python】SpeechRecognitionで簡単音声認識！マイク録音から文字起こしまでの実装手順

pip install SpeechRecognition pyaudio

sudo apt update
sudo apt install portaudio19-dev
pip install pyaudio

import pyaudio
import wave
import speech_recognition as sr
import os

def record_audio(filepath, record_seconds=5):
    """PyAudioを使ってマイクから音声を録音し、WAVファイルとして保存する"""
    CHUNK = 4096
    FORMAT = pyaudio.paInt16
    CHANNELS = 1
    RATE = 44100
    
    audio = pyaudio.PyAudio()
    
    try:
        # マイクのストリームを開く
        stream = audio.open(format=FORMAT,
                            rate=RATE,
                            channels=CHANNELS,
                            input_device_index=1, # ※環境に合わせてマイクのインデックスを変更してください
                            input=True,
                            frames_per_buffer=CHUNK)
        
        print(f"###### {record_seconds}秒間の録音を開始します。何か話してください！ ######")
        frames = []
        
        # 指定秒数分データを読み込む
        for _ in range(0, int(RATE / CHUNK * record_seconds)):
            data = stream.read(CHUNK)
            frames.append(data)
            
        print("###### 録音終了 ######")
        
    finally:
        # リソースの解放（エラーが起きても確実に実行させる）
        stream.stop_stream()
        stream.close()
        audio.terminate()
        
    # 録音データをWAVファイルとして保存
    with wave.open(filepath, 'wb') as wave_f:
        wave_f.setnchannels(CHANNELS)
        wave_f.setsampwidth(audio.get_sample_size(FORMAT))
        wave_f.setframerate(RATE)
        wave_f.writeframes(b''.join(frames))

def recognize_audio(filepath):
    """保存したWAVファイルを読み込んでテキスト化する"""
    print("###### 音声認識を開始します ######")
    recognizer = sr.Recognizer()
    
    with sr.AudioFile(filepath) as source:
        audio = recognizer.record(source)
        try:
            # Google Web Speech APIを使って日本語として認識
            text = recognizer.recognize_google(audio, language='ja-JP')
            print("【認識結果】:", text)
        except sr.UnknownValueError:
            print("音声をうまく認識できませんでした。")
        except sr.RequestError as e:
            print(f"APIリクエストエラーが発生しました: {e}")
            
    print("###### 音声認識を完了しました ######")

if __name__ == '__main__':
    record_filepath = "rec.wav" # 一時保存するWAVファイルのパス
    
    # 1. 5秒間録音を実行
    record_audio(record_filepath, record_seconds=5)
    
    # 2. 録音したWAVファイルの音声認識
    recognize_audio(record_filepath)
    
    # 3. テスト後のクリーンアップ（検証が終わったらファイルを削除）
    if os.path.exists(record_filepath):
        os.remove(record_filepath)