Google Cloud APIであそぼう

はじめに

みなさんこんにちは！
MYJLab Advent Calendar 2024の19日目を担当する宮治研3年の@1m62cです。
（下書き保存して投稿し忘れておりました...申し訳ございません）

というわけで今回は、使い方無限大のGoogle Cloud APIについて紹介したいと思います。

Google Cloudとは

API紹介をする前に、まずはGoogle Cloudについて説明します。
Google Cloudとは、その名の通りGoogleが提供するクラウドサービスです。

Googleが実際に自社で使用しているインフラを、私たち利用者にも提供してくれているんです。

クラウドサービスとは？
アプリやデータベースなどのITリソースを、インターネット上で利用できるサービスのこと
➡ハードウェアの導入費用や工数を削減できる

しかも！私たちは普段からGoogleのサービスを使いまくっているので、Googleにはたくさんのデータが溜まっていっています。
そのおかげで、Google CloudにはAIを活用したデータ分析ツールなどが豊富に用意されています。

Google Cloud APIとは

ここから本題のGoogle Cloud APIについての説明です。

Google Cloud APIとは、こちらもその名の通り、Google Cloudが提供するWebAPIの総称です。
かなり多くの種類があるので、ここでは2つピックアップして紹介しようと思います。

Vision API：画像認識

物体検出や顔の検出、テキストの検出ができます。
以下の公式サイトでデモを体験できるので試してみます。
https://cloud.google.com/vision?hl=ja#demo

持っている画像をアップロードすると、その特徴を分析してくれるようなので、私の推しの写真を乗っけてみました。

すると！Facesのタブでは、お顔の特徴量から表情の分析をしてくれました！
Objectsのタブも見てみましょう。

こちらでは、映っているものが具体的に何なのかを予測して、スコアを％で算出してくれています。
Propertiesのタブはなんでしょうか？

こちらでは、画像に含まれる色相をその割合とともに示してくれています。
デザインにも活用できそうなツールで面白いですね。

ちなみにJSONの中身はこんな感じで、コピペ可能になっています。

{
  "requests": [
    {
      "features": [
        {
          "maxResults": 50,
          "type": "LANDMARK_DETECTION"
        },
        {
          "maxResults": 50,
          "type": "FACE_DETECTION"
        },
        {
          "maxResults": 50,
          "model": "builtin/latest",
          "type": "OBJECT_LOCALIZATION"
        },
        {
          "maxResults": 50,
          "model": "builtin/latest",
          "type": "LOGO_DETECTION"
        },
        {
          "maxResults": 50,
          "type": "LABEL_DETECTION"
        },
        {
          "maxResults": 50,
          "model": "builtin/latest",
          "type": "DOCUMENT_TEXT_DETECTION"
        },
        {
          "maxResults": 50,
          "type": "SAFE_SEARCH_DETECTION"
        },
        {
          "maxResults": 50,
          "type": "IMAGE_PROPERTIES"
        },
        {
          "maxResults": 50,
          "type": "CROP_HINTS"
        }
      ],
      "image": {
        "content": "(data from 10-4.jpg)"
      },
      "imageContext": {
        "cropHintsParams": {
          "aspectRatios": [
            0.8,
            1,
            1.2
          ]
        }
      }
    }
  ]
}

※Responseは長すぎたので割愛します。

Speech-to-Text API：音声認識

音声をテキストに変換することができます。
（ちなみに、その逆ができるText-to-Speech APIもあります）

こちらも以下の公式サイトでデモを体験できるので試してみます。
https://cloud.google.com/speech-to-text?hl=ja#demo

言語を選択した後、音声の入力をします。
音声ファイルをアップロードする方法と、その場で発話して音声を入れる方法がありますが、今回は直接PCに喋りかけてみました。

かなり精度が高いです！多少ぼそぼそ喋っても正確に認識されました。

せっかくなのでアメリカ英語でも試してみます。
（英語だけでも13種類ありました！）

私の拙い発音でもテキスト化してくれました...優秀！
発音練習を支援するサービスなんかに使えそうですね。言語学習に興味があるので活用したくなりました！

おわりに

いかがでしたか？
今回紹介した2つ以外にも、自動翻訳ができるCloud Translation APIや、機械学習に必要なAIモデルを自動作成するAutoMLなど、様々な分野のAPIが用意されています。

色々なAPIを触っていく中で「こんなもの作れるかも！」と開発物を決めるのも、わくわくして面白いですね～～
ぜひ皆さんも触ってみてくださいね。