Go to Qiita Advent Calendar 2024 Top
LoginSignup
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

音声認識APIを使ってみよう！
@doran

[Google Cloud Speech-to-Text API(V2)] Javaで認識精度を向上させるフレーズセットを取得する

Posted at

Cloud Speech-to-Text API V2(Java)を使用して、
認識精度を向上させるフレーズセットを取得する方法についてご紹介します。

フレーズセット(PhraseSet)とは
フレーズセット(PhraseSet)はモデル適応機能を実現させるためのリソースの1つです。

モデル適応機能を使用すると提案される可能性がある他の候補よりも、
Speech-to-Textが特定の単語やフレーズをより高い頻度で認識するように設定できます。

フレーズセット(PhraseSet)リソースでは下記が設定できます。

できること 概要
単語とフレーズの認識精度を向上させる フレーズを指定することで、Speech-to-Text がその単語の並びを認識しやすくなります。
フレーズを提供することで、個々の単語を含むフレーズの一部を認識する確率も高まります。
クラストークンを使用して認識精度を向上させる 通貨単位やカレンダー日付など、自然言語で発生する一般的なコンセプトを表します。
クラスにより、共通のコンセプトに対応する大規模な単語グループの音声文字変換の精度を向上できます。

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 フレーズセット一覧を取得
1 スコープ
2 実行
3 レスポンスの内容
2 フレーズセットを取得
1 スコープ
2 実行
3 レスポンスの内容

1. フレーズセット一覧を取得

フレーズセット一覧を取得します。

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()){
        ListPhraseSetsRequest.Builder builder = ListPhraseSetsRequest.newBuilder();
        builder.setParent(String.format("projects/%s/locations/%s", "プロジェクトID","ロケーションID"));
        
        SpeechClient.ListPhraseSetsPagedResponse response = client.listPhraseSets(builder.build());
        for(PhraseSet phraseSet : response.iterateAll()) {
            System.out.println(phraseSet);
        }
        System.out.println(response.getNextPageToken());
    }
}

1.2.1. HTTPリクエスト

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

1.2.2. クエリパラメータ

ListPhraseSetsRequest.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ListPhraseSetsRequestインスタンスを取得し、
listPhraseSets()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}"
setPageSize int 取得するフレーズセットの最大数(最大値100)
setPageToken String ページトークン
setShowDeleted boolean 削除されたリソースを表示するか

1.3. レスポンスの内容

SpeechClient.ListPhraseSetsPagedResponse

メソッド 戻り値 説明
iterateAll Iterable<PhraseSet> フレーズセットのリスト
getNextPageToken String 次ページのトークン

PhraseSet

メソッド 戻り値 説明
getName String フレーズセットのリソース名
形式："projects/{プロジェクトID}/locations/{ロケーションID}/phraseSets/{フレーズセットID}"
getUid String システムによって割り当てられたフレーズセットID
getPhrasesList List<Phrase> 単語とフレーズのリスト
getBoost float ヒントブースト(0〜20)
getDisplayName String フレーズセットの名前(63文字まで)
getState State(enum) フレーズセットのライフサイクル状態
getCreateTime Timestamp フレーズセットの作成時間
getUpdateTime Timestamp フレーズセットが最後に変更された時刻
getDeleteTime Timestamp フレーズセットの削除が要求された時刻
getExpireTime Timestamp フレーズセットがパージされる時刻
getEtag String チェックサム値
getReconciling boolean フレーズセットが更新中か
getKmsKeyName String フレーズセットの暗号化に使用されるKMSキーの名前
形式："projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}"
getKmsKeyVersionName String フレーズセットの暗号化に使用されるKMSキーのバージョン名
形式："projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}/cryptoKeyVersions/{crypto_key_version}"

Phrase

メソッド 戻り値 説明
getValue String 単語(フレーズ)、クラストークン
getBoost float ヒントブースト(0〜20)
値が高いほど認識される確率が高くなる

State

定義値 内容
STATE_UNSPECIFIED 未指定
ACTIVE 通常のアクティブな状態
DELETED フレーズセットは削除された

クラストークン

Speech-to-Text がサポートしているクラストークンです。
ここでは日本語のみ(ja-JP)の一覧を表示しています。

他の言語は⧉サポートされるクラストークン(公式)を参照ください。

クラストークン 説明 音声のテキスト変換の例
$OOV_CLASS_AM_RADIO_FREQUENCY AMラジオの周波数 「せんにひゃくにじゅー」 = 1220
「いちにーにーぜろ」 = 1220
「いちにーにーれー」 = 1220
$OOV_CLASS_DIGIT_SEQUENCE 数字の列(任意の長さ) 「に」 = 2
「いちにさん」 = 123
「にににににに」 = 222222
$OOV_CLASS_FM_RADIO_FREQUENCY FMラジオの周波数 「きゅーじゅーてんご」 = 90.5
「ななじゅーななてんいち」 = 77.1
「ななじゅーしちてんいち」 = 77.1
$OOV_CLASS_TEMPERATURE 温度(度) 「いち」 = 1
「まいなすいち」 = -1
「ひくいち」 = -1
$ADDRESSNUM 住所の番地(対象の言語/地域で使用されるもの） 「いちのじゅーいちのにじゅーきゅー」 = 1-11-29
「にのじゅーごのにじゅーご」 = 2-15-25
「せんにひゃくはちじゅーごのさん」 = 1285-3
$FULLPHONENUM 電話番号(対象の言語/地域で使用されるもの) 「ぜろきゅーぜろいちにーさんよんごーろくななはち」 = 090-1234-5678
「ぜろいちにーさんいちにーさんよんごーろく」 = 0123-12-3456
「ぜろさんいちにーさんよんごーろくななはち」 = 03-1234-5678
$MONEY 金額(通貨単位名付き) 「きゅーせんえん」 = 9000円
「さんじゅーななどる」 = 37ドル
「いちまんはっせんはっぴゃくえん」 = 18800円
$OPERAND 数値(整数、分数、小数) 「れーてんいち」 = 0.1
「せんさんじゅーよんてんごーろくなな」 = 1034.567
「いちまん」= 1万
$PERCENT パーセント値(パーセント記号付き) 「れーてんぜろぱーせんと」 = 0.0%
「れーてんれーぱーせんと」 = 0.0%
「さんじゅーよんてんごーろくぱーせんと」 = 34.56%
$POSTALCODE 郵便番号(対象の言語/地域で使用されるもの) 「にーさんぜろにーさんぜろぜろ」 = 230-2300
「きゅーぜろぜろのきゅーぜろぜろぜろ」 = 900-9000
「さんぜろぜろななぜろにーぜろ」 = 300-7020
$TIME 時刻または時間 「にじゅーじさんじっぷん」 = 20時30分
「ごじ」 = 5時
「さんじゅーにふんご」 = 32分後

2. フレーズセットを取得

指定したフレーズセットの情報を取得します。

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()){
        GetPhraseSetRequest.Builder builder = GetPhraseSetRequest.newBuilder();
        builder.setName(String.format("projects/%s/locations/%s/phraseSets/%s", "プロジェクトID","ロケーションID","フレーズセットID"));
        
        PhraseSet response = client.getPhraseSet(builder.build());
        System.out.println(response);
    }
}

2.2.1. HTTPリクエスト

GET:　https://speech.googleapis.com/v2/projects/{プロジェクトID}/locations/{ロケーションID}/phraseSets/{フレーズセットID}
が実行されます。

2.2.2. クエリパラメータ

クエリパラメータはありません。

2.3. レスポンスの内容

PhraseSet

1.3. レスポンスの内容(PhraseSet)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

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?