GCPと連携してPepperに音声ファイル分析機能を搭載

##概要
ペッパーの音声認識機能として、Speech Recoボックスがありますが、これで聞き分けられるのは、事前に設定しておいた文字列だけです。
そこで、GCP（Google Cloud Platform）のSpeech APIという音声認識APIとペッパーを提携して、ペッパーの音声認識機能を拡張してみたいと思います。
今回はそれの前段階として、日本語の音声ファイルをテキストに起こし、それをペッパーに喋らせるというものを作りました。ペッパーに録音もさせるのは次回、やってみようと思います。

※当記事のコードは、PythonでCloud Speech APIを叩いて音声をテキスト化をpepperで動くように書き換えたものです。

###PythonSDK
PythonSDK(PythonだけでPepperの開発が出来るSDK)を使って開発しています。PythonSDKの導入は↓
https://qiita.com/kyohara/items/ae0dd0f57413caa90674
などをご覧ください。

##ソースコード
音声ファイル名(日本語が入ってる)、APIKey、ペッパーのIPアドレスを入れると実行できます。

speech.py

#coding:utf8
import base64
from googleapiclient import discovery
import httplib2

from naoqi import ALProxy #pepperのライブラリを使うため

#ペッパーの接続情報
pepperIP = "YourIPAddress"

#APIキーを設定
key = "YourAPIkey"

#音声を保存するファイル名
WAVE_OUTPUT_FILENAME = "sample.wav"

#インスタンスを生成
tts = ALProxy("ALTextToSpeech",pepperIP,9559)

#APIのURL情報
DISCOVERY_URL = ('https://{api}.googleapis.com/$discovery/rest?'
                 'version={apiVersion}')

#APIの情報を返す関数
def get_speech_service():
    http = httplib2.Http()
    return discovery.build(
        'speech', 'v1', http=http, discoveryServiceUrl=DISCOVERY_URL, developerKey=key)

def SpeechAPI():
	#音声ファイルを開く
	with open(WAVE_OUTPUT_FILENAME, 'rb') as speech:
	    speech_content = base64.b64encode(speech.read()) 

	#APIの情報を取得して、音声認識を行う
	service = get_speech_service()
	service_request = service.speech().recognize(
	    body={
	        'config': {
	            'encoding': 'LINEAR16',
	            'sampleRateHertz': 44100,
	            'languageCode': 'ja-JP', #日本語に設定
	            'enableWordTimeOffsets': 'false',
	        },
	        'audio': {
	            'content': speech_content.decode('UTF-8')
	            }
	        })

	#SpeechAPIによる認識結果を保存
	response = service_request.execute()

	#認識した日本語をペッパーにしゃべらせる。
	for i in response["results"]:
	    tts.say(i["alternatives"][0]["transcript"].encode("utf-8"))

if __name__ == "__main__":
	SpeechAPI()	

##まとめ
今回は外部APIと連携してPepperに音声ファイルからテキストを取得する機能を搭載しました。やっぱりAPIを使うと出来ることがだいぶ広がりそうです。
次回以降、ペッパーのマイクを用いて、音声ファイルを生成して、それをテキストに起こすというのをやってみたいと思います。

by アトリエスタッフ