クイックスタート: gcloud CLI を使用して音声を文字に変換する

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。
    1. Speech-to-Text の課金が有効になっていることを確認する。
    2. 1 つ以上のサービス アカウントを作成して、Speech-to-Text に割り当てる。
    3. サービス アカウントの認証情報キーをダウンロードする。
  • 認証情報の環境変数を設定する。
  • (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、次の手順を行います。

次のステップ