Google Cloud Speech APIを使ってみた！

はじめに

少し前にGoogle Cloud Speech APIを使って色々ハマったので内容をまとめておきます。
ホントはもっと色々やってから書こうと思ったのですが、違う技術に目移りしてしまって…

HelloWorldぐらいのレベル感なので、半日もあれば「音声ファイルをテキスト変換できる」ようになるかと思います。
※GCPのアカウントは持っている前提です。

① Storageを作成する

ここはあまり悩まないはず。
Storageから「バケットの作成」で以下設定にする

1. 名前はなんでも良いです（あとあと${bucket}に当て込んでください）
2. ストレージクラスはRegionalを利用
3. リージョンは、us-west1（米国）を利用
4. 鍵はgoogle管理

※※ちなみにCloud Storageの料金を見るとタダで使うにはこの２点を守ればよさそう。
試してはいないのであっているかはわかりません。
・ Regional Storage 5GBまで無料
・ リージョンはus-west1、us-central1、us-east1のみ

② Cloud Speech API を設定

以下設定を行う。

1. Cloud Speech APIの有効化：ナビゲーション メニュー＞APIとサービス＞ライブラリ
   1. Cloud Speech API を検索
   2. 「有効にする」を選択（「無効化する」となっていれば放置していい）
2. API キーの作成：ナビゲーション メニュー＞APIとサービス＞認証情報＞認証情報を作成（APIキー）
   1. 名前は適当
   2. アプリケーション制限
      1. なし
   3. API制限
      1. 「Cloud Speech API」のみ
3. できたAPIキーをメモしておく（あとあと${api_key}に当て込んでください）

※※ちなみに、ここのやり方を「サービスアカウントキーを作成」としても大丈夫です。最後のリクエスト情報とAPIの叩き方が変わるのみです。

③ 音声ファイルをアップロード

★★ハマりポイント：音声ファイルの形式が違うと「空ファイル」になるので注意

僕はMacを利用していて**「ffmpeg」**というツールを利用して音声変換を実施。
Quick Time Player で「新規オーディオを作成」で作成した音声を以下コマンドで変換。

## ffmpegインストール
brew install ffmpeg
## 変換
ffmpeg -i "input-audio.m4a" -vn -ar 16000 -ac 1 -acodec flac -f flac "output-audio.flac" `

よくわかっていないですが、後で出てくる設定ファイルに合わせて色々変換をかける感じ。
サンプルレートヘルツ？を16000へ、エンコード？をflacへ変換する。

変換した音声ファイルを、Storageへアップロードする。
ブラウザからアップロード（${bucket}/audio/へアップしました）

④音声ファイルを読み取り可能にする

★★ハマりポイント：デフォルトで読み取り不可になっていて以下エラーが出続けるので注意

{
  "error": {
    "code": 403,
    "message": "The caller does not have permission",
    "status": "PERMISSION_DENIED"
  }
}

Google Cloud Shellを利用して、読み取り権限をつける

1. Google Cloud Shell の実行
   1. Homeの右上に起動ボタンがあるので押下（「Cloud Shellをアクティブにする」と出るやつ）
2. 以下コマンドを実行（${bucket}はよしなに変えてください）
   1. gsutil acl ch -u AllUsers:R gs://${bucket}/audio/output-audio.flac

⑤ Speech APIを実行

Macのターミナルから実行可能。
request 情報をjsonで用意して、API（curlコマンド）を叩く

$ cat request.json
{
  "config": {
      "encoding": "FLAC",
      "sampleRateHertz": 16000,
      "languageCode": "ja-JP",
      "enableWordTimeOffsets": false
  },
  "audio": {
      "uri":"gs://${bucket}/audio/output-audio.aifc"
  }
}
$ curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json "https://speech.googleapis.com/v1/speech:recognize?key=${api_key}"

※※ちなみに、**「無料は月1時間」**となっているらしいので使いすぎには注意

おわりに

ひたすらに③、④でハマりました。