회의와 인터뷰 음원이 자동으로 글을 만드는 꿈.

2017년 8월 API 업데이트, 최대 3시간 사운드 사용 가능
사운드 데이터 → txt 파일 변환에 도전해 봤습니다.
인터뷰 중 바로 자동 전송이 가능하도록 환경은 외출 시에도 사용할 수 있는 GCP의 클라우드 콘솔을 사용했다.
※ 참고
http://jp.techcrunch.com/2017/08/15/20170814google-updates-its-cloud-speech-api-with-support-for-more-languages-word-level-timestamps/

환경, 언어 등

Google Cloud Speech API

Google Cloud Storage

python

Speech API 사용

다음 URL을 참조하여 Speech API를 활성화합니다.
음성은 60분 전에는 무료이며 이후 15초당 0.6센트를 받는다. 구글 클라우드 플레이어폼을 처음 이용하면 1년간 유효 300달러(2017년 8월까지)
https://cloud.google.com/speech/docs/getting-started
인증 정보는 서비스 계정 키 파일(JSON 형식)으로 작성됩니다.

Google Cloud Shell을 통한 API 인증

Google Cloud Shell을 시작하고 인증용 JSON 파일을 오른쪽 위부터 업로드합니다.

업로드 후 JSON 파일로 인증합니다.

$ export GOOGLE_APPLICATION_CREDENTIALS=hogehoge.json

사운드 파일 만들기

mp3와 AAC 등을 직접 사용할 수 없어 대응하는 형태로 전환해야 한다.저는 많은 시도를 해 봤습니다. 아래의 설정을 추천합니다.

FLAC

모노

16000Hz

16bit

(참조: 온라인 변환 서비스)
https://audio.online-convert.com/convert-to-flac

바꾸다

FLAC 파일을 Google Cloud Strage에 업로드합니다.
Google Cloud Strage 제작 방법은 다음과 같습니다.
https://cloud.google.com/storage/docs/quickstart-console?hl=ja
python 파일이 케이스에 직접 업로드되었습니다.본업 엔지니어가 아니라서 튜토리얼을 보면서 얘기를...
transcribe.py

# !/usr/bin/env python
# coding: utf-8
import argparse
import io
import sys
import codecs
import datetime
import locale

def transcribe_gcs(gcs_uri):
    from google.cloud import speech
    from google.cloud.speech import enums
    from google.cloud.speech import types
    client = speech.SpeechClient()

    audio = types.RecognitionAudio(uri=gcs_uri)
    config = types.RecognitionConfig(
        encoding=enums.RecognitionConfig.AudioEncoding.FLAC,
        language_code='ja-JP')

    operation = client.long_running_recognize(config, audio)

    print('Waiting for operation to complete...')
    operationResult = operation.result()

    d = datetime.datetime.today()
    today = d.strftime("%Y%m%d-%H%M%S")
    fout = codecs.open('output{}.txt'.format(today), 'a', 'shift_jis')

    for result in operationResult.results:
      for alternative in result.alternatives:
          fout.write(u'{}\n'.format(alternative.transcript))
    fout.close()

if __name__ == '__main__':
    parser = argparse.ArgumentParser(
        description=__doc__,
        formatter_class=argparse.RawDescriptionHelpFormatter)
    parser.add_argument(
        'path', help='GCS path for audio file to be recognized')
    args = parser.parse_args()
    transcribe_gcs(args.path)

마지막으로 다음 동작을 실행하고 일정 시간을 기다린 후에 전환이 끝납니다.

$ python transcribe.py gs://バケット名/testmusic.flac

주의

최장 3시간

음성사서함으로 1시간 정도 소요

구어라 문장부호가 전혀 없다(영문판에 문장부호가 자동으로 붙을 것 같아 일본어판 발매가 기대된다)

가끔'헤르츠 설정이 다르다'는 오류가 발생하기 때문에python 파일에 샘플링 값을 설정합니다

config = types.RecognitionConfig(
        encoding=enums.RecognitionConfig.AudioEncoding.FLAC,
        sample_rate_hertz=16000, #この行を追加
        language_code='ja-JP')

오랜만에 Import Error:cannot import name speech가 생겨서 업데이트

sudo pip install --upgrade google-cloud-speech

정밀도(감각)

정밀도와는 무관하다

마이크 감도

말하는 속도

소음

정밀도와 관련된 물건

말하는 사람의 말투(명확한지 여부)

방 반응

의외로 방의 반향이 상당히 높은 정밀도에 영향을 줄 수 있다.에어컨의 소음 등 소음은 시끄러워도 정밀도에 영향을 주지 않는다.어쩌면 쉽게 헤어질지도 몰라요.