LoginSignup
0
0
音声認識APIを使ってみよう！
@doran

[Google Cloud Speech-to-Text API(V2)] Javaで認識ツールを作成・更新・削除する

Posted at

Cloud Speech-to-Text API V2(Java)を使用して、
認識ツールを作成・更新・削除する方法についてご紹介します。

認識ツールとは
認識ツールは構成可能で再利用可能な認識構成です。

頻繁に使用される認識構成を使用して認識ツールを作成すると、
認識リクエストを簡素化し、リクエストのサイズを削減できます。

APIを利用する環境の準備から始める場合や、コードを実行する際は、
⧉[Google Cloud Speech-to-Text API(V2)] JavaでSpeech-to-Text APIを使ってみる
を参照ください。

No 目次
1 認識ツールを作成
1 スコープ
2 実行
3 レスポンスの内容
2 認識ツールを更新
1 スコープ
2 実行
3 レスポンスの内容
3 認識ツールを削除
1 スコープ
2 実行
3 レスポンスの内容

1. 認識ツールを作成

認識ツールを作成します。

1.1. スコープ

OAuth2.0でこのAPIを実行するには、以下のスコープを指定してください。
サービスアカウントで実行する場合はスコープの指定は不要です。

https://www.googleapis.com/auth/cloud-platform

1.2. 実行

public static void main(String[] args) throws Exception{
		try(SpeechClient client = getSpeechClient()){
			RecognitionConfig.Builder config = RecognitionConfig.newBuilder();
			config.setModel("short");
			config.addLanguageCodes("ja-JP");
			
			Recognizer.Builder value = Recognizer.newBuilder();
			value.setDefaultRecognitionConfig(config.build());
			
			CreateRecognizerRequest.Builder builder = CreateRecognizerRequest.newBuilder();
			builder.setParent(String.format(
                       "projects/%s/locations/%s", 
                       "プロジェクトID","ロケーションID"));
			builder.setRecognizerId("認証ツールID");
			builder.setRecognizer(value.build());
			
			OperationFuture<Recognizer,OperationMetadata> response = client.createRecognizerAsync(builder.build());
	        System.out.println(response.getName());

	        Recognizer get = response.get();
	        System.out.println(get);
		}
}

1.2.1. HTTPリクエスト

POST:　https://speech.googleapis.com/v2/projects/{プロジェクトID}/locations/{ロケーションID}/recognizers
が実行されます。

1.2.2. クエリパラメータ

CreateRecognizerRequest.Builderのsetメソッドにより、リクエストボディを追加できます。
build()メソッドでCreateRecognizerRequestインスタンスを取得し、
createRecognizerAsync()に渡します。

メソッド 引数 説明
setParent String 【必須】リソース名
形式："projects/{プロジェクトID}/locations/{ロケーションID}"
setRecognizerId String 【必須】認証ツールID
setRecognizer Recognizer 【必須】認識ツールの情報
setValidateOnly boolean リクエストを検証して認証ツールをプレビューするが実際には作成しないか

1.2.3. リクエストボディ

Recognizer

メソッド 引数 説明
setDisplayName String 認証ツールの名前(63文字まで)
setDefaultRecognitionConfig RecognitionConfig リクエストに使用するデフォルトの構成

RecognitionConfig

メソッド 引数 説明
setModel String 【作成時のみ必須】モデル

⧉Speech-to-TextV2でのサポート言語の「モデル」を指定
addLanguageCodesList String 【作成時のみ必須】変換する言語

⧉Speech-to-TextV2でのサポート言語の「BCP-47」を指定
setFeatures RecognitionFeatures 有効にする音声認識機能
setAdaptation SpeechAdaptation 特定の単語やフレーズに対する認識エンジンの予測を重み付けする音声適応コンテキスト
setTranscriptNormalization TranscriptNormalization 文字起こしの正規化を使用して文字起こしの一部を選択したフレーズに自動的に置き換えるユニオンフィールド
setAutoDecodingConfig AutoDetectDecodingConfig(enum) デコードパラメータを自動的に検出
explicitDecodingConfigの設定がない場合は必須(空のインスタンスを設定)
setExplicitDecodingConfig ExplicitDecodingConfig 明示的に指定されたデコードパラメータ
ヘッダーレスPCMオーディオ(linear16、mulaw、alaw)の場合は必須

RecognitionFeatures

メソッド 引数 説明
setProfanityFilter boolean フィルタリングされた各単語の最初の文字を除くすべての文字をアスタリスクに置き換えるか
setEnableWordTimeOffsets boolean 一番上の結果には単語のリストと、それらの単語の開始時刻と終了時刻のオフセット(タイムスタンプ)が含まれるか
setEnableWordConfidence boolean 一番上の結果には単語のリストとそれらの単語の信頼度が含まれるか
setEnableAutomaticPunctuation boolean 認識結果の仮説に句読点を追加するか
setEnableSpokenPunctuation boolean 音声の句読点をリクエスト内の対応する記号に置き換えるか
setEnableSpokenEmojis boolean リクエストに音声絵文字の書式設定を追加するか
setMultiChannelMode MultiChannelMode(enum) マルチチャンネルオーディオを認識するモード
setDiarizationConfig SpeakerDiarizationConfig 追加パラメータを設定するための構成
setMaxAlternatives int 返される認識仮説の最大数(0〜30)

SpeakerDiarizationConfig

メソッド 引数 説明
setMinSpeakerCount int 会話内の発言者の最小数(1〜6)
setMaxSpeakerCount int 会話内の発言者の最大数(1〜6)

SpeechAdaptation

メソッド 引数 説明
addPhraseSetsList AdaptationPhraseSet インラインフレーズセットのリスト
addCustomClassesList ⧉ CustomClass インラインカスタムクラスのリスト

AdaptationPhraseSet

メソッド 引数 説明
setPhraseSet String 既存のフレーズセットの名前
setInlinePhraseSet ⧉ PhraseSet インラインで定義されたフレーズセット

ExplicitDecodingConfig

メソッド 引数 説明
setEncoding AudioEncoding(enum) 認識のために送信される音声データのエンコーディング
setSampleRateHertz int 認識のために送信されるオーディオデータのサンプルレート(ヘルツ)(8000～48000)
サポートエンコーディング
audioChannelCount int 認識のために送信された音声データに存在するチャネルの数(最大8)
サポートエンコーディング

TranscriptNormalization

メソッド 引数 説明
addEntriesList TranscriptNormalization.Entry 置換エントリのリスト(最大100)

TranscriptNormalization.Entry

メソッド 引数 説明
setSearch String 何を交換するか(最大100文字)
setReplace String 何と交換するか(最大100文字)
setCaseSensitive boolean 検索で大文字と小文字が区別されるか

AutoDetectDecodingConfig

定義値 内容
WAV_LINEAR16 WAVコンテナー内の16ビット符号付きリトルエンディアンPCMサンプル
WAV_MULAW WAVコンテナ内の8ビット圧縮されたmulawサンプル
WAV_ALAW WAVコンテナ内の8ビット圧縮されたalawサンプル
RFC4867_5_AMR rfc4867.5ヘッダーを持つAMRフレーム
RFC4867_5_AMRWB rfc4867.5ヘッダーを持つAMR-WBフレーム
FLAC 「ネイティブFLAC」コンテナ形式のFLACフレーム
MP3 オプションの(無視される)ID3メタデータを含むMPEGオーディオフレーム
OGG_OPUS Oggコンテナ内のOpusオーディオフレーム
WEBM_OPUS WebMコンテナ内のOpusオーディオフレーム
M4A M4Aオーディオ形式

MultiChannelMode

定義値 内容
MULTI_CHANNEL_MODE_UNSPECIFIED マルチチャンネルモードのデフォルト値
SEPARATE_RECOGNITION_PER_CHANNEL 提供されたオーディオの各チャネルが個別に転写される

AudioEncoding

定義値 内容
AUDIO_ENCODING_UNSPECIFIED デフォルト値
LINEAR16 ヘッダーなしの16ビット符号付きリトルエンディアンPCMサンプル
MULAW ヘッダーなしの8ビット圧縮されたmulawサンプル
ALAW ヘッダーなしの8ビット圧縮されたalawサンプル

サポートエンコーディング

定義値 内容
LINEAR16 ヘッダーなしの16ビット符号付きリトルエンディアンPCMサンプル
MULAW ヘッダーのない8ビットの圧縮されたmulawサンプル
ALAW ヘッダーなしの8ビット圧縮されたalawサンプル

1.3. レスポンスの内容

OperationFuture<Recognizer,OperationMetadata>

メソッド 戻り値 説明
getName String サーバーによって割り当てられた名前
形式："projects/{プロジェクトID}/locations/{ロケーションID}/recognizers/{認証ツールID}"
isDone boolean 操作がまだ進行中であるか
getPollingFuture RetryingFuture<OperationSnapshot> 失敗またはキャンセルされた場合の操作のエラー結果
get ⧉ Recognizer 認識ツールの情報

OperationSnapshot

メソッド 戻り値 説明
getErrorCode StatusCode エラーコード
getErrorMessage String 開発者向けのエラーメッセージ

2. 認識ツールを更新

指定した認識ツールを更新します。

2.1. スコープ

OAuth2.0でこのAPIを実行するには、以下のスコープを指定してください。
サービスアカウントで実行する場合はスコープの指定は不要です。

https://www.googleapis.com/auth/cloud-platform

2.2. 実行

public static void main(String[] args) throws Exception{
    try(SpeechClient client = getSpeechClient()){
        Recognizer.Builder recognizer = Recognizer.newBuilder();
        recognizer.setName(String.format(
                    "projects/%s/locations/%s/recognizers/%s", 
                    "プロジェクトID","ロケーションID","認証ツールID"));
        
        UpdateRecognizerRequest.Builder builder = UpdateRecognizerRequest.newBuilder();
        builder.setRecognizer(recognizer.build());
        
        OperationFuture<Recognizer,OperationMetadata> response = client.updateRecognizerAsync(builder.build());
        System.out.println(response.getName());

        Recognizer get = response.get();
        System.out.println(get);
    }
}

2.2.1. HTTPリクエスト

PATCH:　https://speech.googleapis.com/v2/projects/{プロジェクトID}/locations/{ロケーションID}/recognizers/{認証ツールID}
が実行されます。

2.2.2. クエリパラメータ

UpdateRecognizerRequest.Builderのsetメソッドにより、リクエストボディを追加できます。
build()メソッドでUpdateRecognizerRequestインスタンスを取得し、
updateRecognizerAsync()に渡します。

メソッド 引数 説明
setRecognizer Recognizer 【必須】認識ツールの情報
setUpdateMask FieldMask 更新するフィールド
未設定の場合は全てのフィールドが更新対象
setValidateOnly boolean リクエストを検証し、更新された認証ツールをプレビューするが実際には更新しないか

2.2.3. リクエストボディ

Recognizer

1.2.3. リクエストボディ(Recognizer)と同じです。

2.3. レスポンスの内容

OperationFuture<Recognizer,OperationMetadata>

1.3. レスポンスの内容(OperationFuture<Recognizer,OperationMetadata>)と同じです。

3. 認識ツールを削除

指定した認識ツールを削除します。

3.1. スコープ

OAuth2.0でこのAPIを実行するには、以下のスコープを指定してください。
サービスアカウントで実行する場合はスコープの指定は不要です。

https://www.googleapis.com/auth/cloud-platform

3.2. 実行

public static void main(String[] args) throws Exception{
    try(SpeechClient client = getSpeechClient()){
        DeleteRecognizerRequest.Builder builder = DeleteRecognizerRequest.newBuilder();
        builder.setName(String.format(
                    "projects/%s/locations/%s/recognizers/%s", 
                    "プロジェクトID","ロケーションID","認証ツールID"));
        
        OperationFuture<Recognizer,OperationMetadata> response = client.deleteRecognizerAsync(builder.build());
        System.out.println(response.getName());

        Recognizer get = response.get();
        System.out.println(get);
    }
}

3.2.1. HTTPリクエスト

DELETE:　https://speech.googleapis.com/v2/projects/{プロジェクトID}/locations/{ロケーションID}/recognizers/{認証ツールID}
が実行されます。

3.2.2. クエリパラメータ

DeleteRecognizerRequest.Builderのsetメソッドにより、リクエストボディを追加できます。
build()メソッドでDeleteRecognizerRequestインスタンスを取得し、
deleteRecognizerAsync()に渡します。

メソッド 引数 説明
setName String 【必須】リソース名
形式："projects/{プロジェクトID}/locations/{ロケーションID}/recognizers/{認証ツールID}"
setValidateOnly boolean リクエストを検証し、削除された認証ツールをプレビューするが実際には削除しないか
setAllowMissing boolean 認証ツールが見つからない場合、リクエストは成功し操作は行わないか
setEtag String チェックサム値

3.2.3. リクエストボディ

リクエストボディはありません。

3.3. レスポンスの内容

Recognizer

⧉ Recognizerと同じです。



おしまい。。
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0