gcloud CLI を使用して音声を文字に変換する
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
Speech-to-Text API にリクエストを送信する前に、以下の操作を完了しておく必要があります。詳細については、始める前にのページをご覧ください。
- GCP プロジェクトで Speech-to-Text を有効にする。
- Speech-to-Text の課金が有効になっていることを確認する。
-
Install the Google Cloud CLI, then initialize it by running the following command:
gcloud init
- (省略可)音声データを保存する新しい Google Cloud Storage バケットを作成する。
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に変換するよう Cloud Speech-to-Text にリクエストします。
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 からのレスポンスが空である場合は、トラブルシューティングとエラーの軽減の手順を確認してください。
クリーンアップ
このページで使用したリソースについて、Google Cloud アカウントに課金されないようにするには、次の手順を実施します。
- プロジェクトを必要としない場合は、Google Cloud コンソールを使用して削除してください。
次のステップ
- 短い音声ファイルの音声を文字に変換する。
- 長い音声ファイルの音声認識を一括で行う方法を学習する。
- マイクからの入力など、ストリーミングの音声を文字に変換する方法を学習する。
- 特定の言語で Speech-to-Text クライアント ライブラリを使用して、Speech-to-Text を利用する。
- サンプル アプリケーションを実行する。
- ベスト プラクティスのドキュメントで、最高のパフォーマンスと精度を実現するための方法やヒントを確認する。