クイックスタート: gcloud ツールの使用

このページでは、コマンドラインから gcloud ツールを使用して Speech-to-Text に音声認識リクエストを送信する方法について説明します。

Speech-to-Text を使用すると、Google の音声認識技術をデベロッパーのアプリケーションに簡単に統合できます。音声データを Speech-to-Text API に送信し、音声ファイルの音声が文字に変換されたテキストを取得できます。サービスの詳細については、Speech-to-Text の基本をご覧ください。

始める前に

  1. Google アカウントにログインします。

    Google アカウントをまだお持ちでない場合は、新しいアカウントを登録します。

  2. Cloud Console プロジェクトを設定する

    プロジェクトの設定

    クリックして、以下を行います。

    • プロジェクトを作成または選択します。
    • プロジェクトに対して Speech-to-Text API を有効にします。
    • サービス アカウントを作成します。
    • JSON として秘密鍵をダウンロードします。

    これらのリソースは、いつでも Cloud Console で表示、管理できます。

  3. 環境変数 GOOGLE_APPLICATION_CREDENTIALS を、サービス アカウント キーが含まれる JSON ファイルのパスに設定します。 この変数は現在のシェル セッションにのみ適用されるため、新しいセッションを開く場合は、変数を再度設定します。

  4. Cloud SDK をインストールして初期化します。

音声文字変換をリクエストする

では、Speech-to-Text を使用して、音声ファイルをテキストに変換してみましょう。次のコードサンプルを使用して、Speech-to-Text API に recognize リクエストを送信します。

コマンドライン シェルを開き、次のコマンドを実行します。

gcloud ml speech recognize gs://cloud-samples-tests/speech/brooklyn.flac \
    --language-code=en-US

このコマンドは、一般公開されている場所でホストされている FLAC に含まれる音声を文字変換するように Speech-to-Text へリクエストします。

リクエストが成功すると、サーバーから JSON 形式のレスポンスが返されます。

{
  "results": [
    {
      "alternatives": [
        {
          "confidence": 0.9840146,
          "transcript": "how old is the Brooklyn Bridge"
        }
      ]
    }
  ]
}

これで、Speech-to-Text への最初のリクエストを送信できました。

エラーが発生する場合や、Speech-to-Text から空のレスポンスが返された場合は、トラブルシューティングとエラーの回避の手順をご覧ください。

次のステップ