Pythonには、音声認識を行うための豊富なライブラリがあります。この記事では、Pythonで音声認識を行う方法について説明します。
PyAudioのインストール
Pythonで音声認識を行うためには、まずPyAudioをインストールする必要があります。以下のコマンドを実行して、PyAudioをインストールします。
pip install pyaudio
録音の実装
以下のコードを使用して、Pythonで録音を実装することができます。
import pyaudio
import wave
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
CHUNK = 1024
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"
audio = pyaudio.PyAudio()
# 録音開始
stream = audio.open(format=FORMAT, channels=CHANNELS,
rate=RATE, input=True,
frames_per_buffer=CHUNK)
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
# 録音終了
stream.stop_stream()
stream.close()
audio.terminate()
waveFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
waveFile.setnchannels(CHANNELS)
waveFile.setsampwidth(audio.get_sample_size(FORMAT))
waveFile.setframerate(RATE)
waveFile.writeframes(b''.join(frames))
waveFile.close()
音声認識の実装
以下のコードを使用して、PythonでGoogle Cloud Speech-to-Text APIを使用して音声認識を実装することができます。
import io
import os
from google.cloud import speech_v1p1beta1 as speech
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "path/to/your/credential.json"
client = speech.SpeechClient()
# 音声ファイルの読み込み
with io.open('output.wav', 'rb') as audio_file:
content = audio_file.read()
audio = speech.RecognitionAudio(content=content)
config = speech.RecognitionConfig(
encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
sample_rate_hertz=16000,
language_code='ja-JP')
# 音声認識の実行
response = client.recognize(config=config, audio=audio)
for result in response.results:
print('認識結果: {}'.format(result.alternatives[0].transcript))
これで、Pythonで音声認識を行うための基本的な方法がわかりました。