やりたいこと

「動画データ⇒音声データ抽出⇒自動で文字起こし」をやってみたい。

※細かい設定とか背景とかは置いておいて、
　とりあえず試してみたい！というモチベーションでやってます。
　色々説明不足な点があるのは悪しからず。

きっかけ

今回は「Speech-To-Textを使用する方法」について紹介します。
~~「Cloud Video Intelligence APIを使用する方法」の記事はこちら~~ 現在記事作成中。

　1. GCPのコンソールにログインしてプロジェクトを作成
　2. GCSのバケットを作成しておく

※ググったらやり方出てくるので詳細は割愛。

ffmpegのインストール

$ sudo apt-get update
$ sudo apt-get -y install ffmpeg

$ pip install ffmpeg-python

$ python
>>> import ffmpeg 
>>> stream = ffmpeg.input("myVideo.mp4")
>>> stream = ffmpeg.output(stream, "myAudio.wav") 
>>> ffmpeg.run(stream)

GCPのコンソール上から簡単にアップロードできる
※もちろんコマンドラインからでも可

↓アップロード成功すると、こんな感じ

手順

※残りの設定はアップロードしたファイルに合わせて自動で設定される

翻訳が終わるとテキストが出力される。CSV形式でDLも可能。