4
5

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

Watson Speech to Textをターミナルから実行してみた

Last updated at Posted at 2016-06-10

この投稿はWatson Speech to Textをcurlを使って実行した記録です。

実行方法

Speech to TextをBluemix上に作成していない場合は以下から作成し、Service Credentialsにあるusernameとpasswordをメモします。(現在の料金体系では毎月1000分までの処理が無料)
https://console.ng.bluemix.net/catalog/speech-to-text

ドキュメントに従い、以下の様にcurlでPOSTすると文字起こしされた結果が返ってきます。

curl -X POST -u service-username:service-password --header "Content-Type: audio/wav" --header "Transfer-Encoding: chunked" --data-binary @out000.wav "https://stream.watsonplatform.net/speech-to-text/api/v1/recognize?continuous=true&model=ja-JP_BroadbandModel"

ハマったところ

m4a拡張子のファイルに対応していない

iPhoneのボイスメモで記録したm4a形式の音声をテストに使う場合は、wavなどの形式に変更します。

brew install faad2
faad sample.m4a -o sample.wav

curlのPOSTがタイムアウトする

音声ファイルのサイズが大きすぎるとPOSTが終わらず処理がエラーになったので、ファイルを小さいサイズに分割しました。実行時間も短くなるので試しやすくなります。

以下は60秒の音声ファイルに分割する場合の例です。

brew install ffmpeg
ffmpeg -i sample.wav -f segment -segment_time 60 -c copy out%03d.wav

英語で文字起こしされる

デフォルトは判定のモデルにen-US_BroadbandModelが使用されます。
現在、日本語に対しては以下の2つのモデルが用意されています。

  • ja-JP_BroadbandModel
  • ja-JP_NarrowbandModel
4
5
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
4
5

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?