自動音声認識を試す（Google Speech, Amazon Transcribe）

音声ファイルを用意する

• iPhoneの「ボイスメモ」で録った音声をAirDropでMacに送る
• m4a から wav に変換する

afconvert -f WAVE -d LEI16 -c 1  XXXXX.m4a XXXXX.wav

Google Speech-to-Text を試す

• マニュアルを参考に サンプルコード を手元で動かす
• Cloud SDKはすでに入れている
• テスト用にGoogle Speech-to-Text を有効化した認証情報設定

export GOOGLE_APPLICATION_CREDENTIALS = XXXXX.json

• 音声ファイルをGCSにあげておく

gsutil cp XXXXX.wav gs://bucketsXXX/XXXXX.wav

• サンプルコードを手元に落とす

git clone https://github.com/googleapis/python-speech.git

• 仮想環境作成し必要なモジュール入れる

$ virtualenv env
$ source env/bin/activate
$ pip install -r requirements.txt

• サンプルコードに手を加え

-        sample_rate_hertz=16000,
-        language_code="en-US",
-        model=model,
+        sample_rate_hertz=48000,
+        language_code="ja-JP",
+        #model=model,

• GCS上の音声ファイルをテキスト化してみる

python transcribe_model_selection.py gs://bucketsXXX/XXXXX.wav > interview.txt

Google Speech API を試す

• 非同期で処理

$ gcloud ml speech recognize-long-running 'gs://bucketsXXX/XXXXX.wav' --language-code='ja-JP' --sample-rate=48000 --async

Check operation [operations/XXXXXXXXXXXXX] for status.
{
  "name": "XXXXXXXXXXXXX"
}

• 下記コマンドで処理状況を確認。
  
  終わっていれば progressPercent が100になりresponseにテキストが返る

$ gcloud ml speech operations describe XXXXXXXXXXXXX


{
  "done": true,
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
    "lastUpdateTime": "2021-09-XXT09:15:37.404790Z",
    "progressPercent": 100,
    "startTime": "2021-09-XXT08:59:39.288851Z",
    "uri": "gs://bucketsXXX/XXXXX.wav"
  },
  "name": "XXXXXXXXXXXXX",
  "response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeResponse",
    "results": [
      {
        "alternatives": [
          {
            "confidence": 0.8462801,
            "transcript": "XXXXXXX"
          }
        ]
      },
      {
        "alternatives": [
          {
            "confidence": 0.9102794,
            "transcript": "XXXXXX"
          }
        ]
      },
・・・・・
}

• 結果は Google Speech-to-Text と同じようだ

Amazon Transcribeを試す

• チュートリアルに沿って画面からアップロードするだけなので簡単
  
  処理完了後、結果はjsonでダウンロードできる