Google Speech APIをRubyから使う

githubにソースあり

やっていること

1. 指定秒数間の音声をマイクから拾ってwavにする
2. wavをflacにする
3. APIを使いGoogleに問い合わせる
4. 結果が返ってくる
5. 結果から最適であろう音声認識テキストをブロックへ返す

事前事項

1. ruby2である事
2. arecord flac コマンドがあること
   元々 Raspberry Piで使うために作ったので、OSXではarecordが無いので使えません
   代わりにsoxを使えば出来そうですが、確認していません
3. SpeechAPIを使うために、まず https://console.developers.google.com でプロジェクトを作る
4. Speech APIを有効にする
   1. デフォルトではこのAPIは表示されないのでhttp://www.chromium.org/developers/how-tos/api-keys を読む
   2. chromium-devグループに参加する とSpeech APIが使えるようになるので、メール受信なしでいいので参加する
   3. google developer コンソールに戻ってSpeechAPIを有効にする
5. ブラウザキーを作る
   1. 認証情報リンク
   2. 認証情報を追加
   3. APIキーを選択
   4. ブラウザキーを選択
   5. キーが発行

注意事項

API

• このAPIは実験段階のようで、1日のアクセス制限は50回程度のよう
• 1回の音声変換は10-15秒が最長のよう

gem

#speech_to_textは音声が届いている間をテキストにするのでは無く、指定秒数の音声のみを拾います。
#speech_to_textは指定秒数間程度、完全にスレッドが同期ブロックされます。非同期にしたいなら、別スレッドを作ってその中で実行するなどの工夫が必要です。