Pythonでマイク入力音声をテキストに変換する方法：SpeechRecognitionを使った音声認識と文字起こし

プログラム解説

まずは、マイク音声の録音ですが、マイク音声の入力については以下にて紹介していますので、そちらを参照ください。

マルチスレッドを活用してPyaudioでマイク音声をリアルタイムに保存する方法

こんばんは。ちょっと前の記事↓でPythonでマイク録音の入力音声をパソコンに保存する方法を記載しました。前回のものはメモリに書き込み用のデータを積み上げていって最後に書き出すようなことをしていました。ですが、このやり方には欠陥があります。実は、これではアプリを終了(データを保...

niyanmemo.com

2023.09.14

ではここから本題の認識部分で、全体としては以下の数行で行います。

import speech_recognition

    print("######Start Speech Recognition######")
    sprec = speech_recognition.Recognizer()  # インスタンスを生成
    with speech_recognition.AudioFile(record_filepath) as sprec_file:
        sprec_audio = sprec.record(sprec_file)
        sprec_text = sprec.recognize_google(sprec_audio, language='ja-JP')
        print(sprec_text)
    print("######Finish Speech Recognition######")

まずは、speech_recognition.Recognizerでインスタンスを生成します。
そのあとはspeech_recognition.AudioFile(ファイル)

ファイルが取得できたら、sprec.record( 取得したファイル )でデータの読み出し
最後に、sprec.recognize_google(オーディオデータ、言語)でテキストに変換
※language=’ja-JP’で日本語であることを指定

まとめ

すごく興味があって、このプログラムに挑戦してみましたが、簡単すぎてちょっと拍子抜けしてしましました。
まぁ、実際にはsprec.recognize_googleの中で、インターネット経由でgoogleを呼び出ししたりしているのだと思いますが、ユーザーはたった数行で変換できてとても便利ですね。

これをうまく活用していけば、それこそスマートスピーカーや家電を作っていけるのでしょうね。

ではまた、機会があれば何かやってみることにします。

リアルタイムでの文字起こしの方法が知りたいって方は、以下に記事記載しましたので見てみてください。

Pythonを使用したリアルタイム音声文字起こしの手順【SpeechRecognitionとPyAudioを活用した音声認識】

前回は、Waveファイルに起こしたデータの文字起こしに挑戦してみましたが、今回はリアルタイムでマイク音声 文字起こしする方法に挑戦してみましたので、その方法についてシェアいたします。今回は、前回までに記事にした二つの合わせ技でリアルタイム文字起こし環境を作成しています。今回の記事内にURL...

niyanmemo.com

2023.09.13

Pythonの基礎を学びたい方は以下がおすすめです。私も持っていてたまに眺めて勉強していますものですのでぜひ購入して学習してみてください。