サンプル・プログラム：実行例
実行例では、アニメ『機動戦士ガンダムUC』最終回、ミネバ・ザビの長い演説から音声だけ切り出し、WAVファイルに変換したものを入力してみた。一部誤認識はあるものの、固有名詞や難読語も、ほぼ間違いなく変換している。大したものである。
声質の違いや抑揚の違い、話すスピードが違っても、認識可能である。ただし、同じファイル中に異なる人物の音声がある場合は、最初の人物の音声のみを変換するようだ。
サンプル・プログラム
準備
このAPIは、月間60分までは無料だが、それを超えると15秒ごとに処理料金が加算される。このため、クレジットカードなどで有料課金可能なアカウントを登録しておく必要がある。
画面「認証情報」で「認証情報を作成」すると、あらたなAPIキーが生成される。このキーを、クラス "pahooGoogleCloud.php" の変数 $GOOGLE_API_KEY に転記する。
0021: //Google API KEY
0022: //https://developers.google.com/maps/web/
0023: var $GOOGLE_API_KEY = '**************************';
Google Cloud Speech API
| ＵＲＬ |
|---|
| https://speech.googleapis.com/v1beta1/speech:syncrecognize?key=[APIキー] |
音声データは、バイナリファイルを BASE64 エンコードして渡す必要がある。
ただし、Google Cloud Storage に保存された音声ファイルを認識することが可能で、その場合は
"audio": {
"uri": "gs://YOUR_BUCKET_NAME/YOUR_FILE_NAME"
}
のように指定する。
解説：同期音声認識
0077: /**
0078: * Google Cloud Speech APIを用いて音声データからテキストを起こす
0079: * @param string $file 音声ファイル名
0080: * @return stringテキスト／FALSE：失敗
0081: */
0082: function speech_syncrecognize($file) {
0083: $url = 'https://speech.googleapis.com/v1beta1/speech:syncrecognize?key=' . $this->GOOGLE_API_KEY;
0084: $this->webapi = $url;
0085: $n = 1;
0086:
0087: //音声データファイル読み込み
0088: $data = @file_get_contents($file);
0089: if ($data == FALSE) {
0090: $this->error = TRUE;
0091: $this->errmsg = $file . ' が読み込めない';
0092: return FALSE;
0093: }
0094: $contents = base64_encode($data);
0095:
0096: $json =<<< EOD
0097: {
0098: "config": {
0099: "encoding" : "LINEAR16",
0100: "sample_rate" : 44100,
0101: "language_code" : "ja-JP"
0102: },
0103: "audio": {
0104: "content" : "{$contents}"
0105: }
0106: }
0107:
0108: EOD;
0109: $header = array('Content-Type: application/json');
0110:
0111: //cURLを使ってリクエスト
0112: $curl = curl_init() ;
0113: curl_setopt($curl, CURLOPT_URL, $url);
0114: curl_setopt($curl, CURLOPT_POST, TRUE);
0115: curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, FALSE); //証明書は無視
0116: curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, FALSE);
0117: curl_setopt($curl, CURLOPT_VERBOSE, TRUE);
0118: curl_setopt($curl, CURLOPT_FOLLOWLOCATION, TRUE);
0119: curl_setopt($curl, CURLOPT_AUTOREFERER, TRUE);
0120: curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE); //結果を文字列で
0121: curl_setopt($curl, CURLOPT_HTTPHEADER, $header);
0122: curl_setopt($curl, CURLOPT_POSTFIELDS, $json);
0123: curl_setopt($curl, CURLOPT_TIMEOUT, 30);
0124:
0125: $res = curl_exec($curl);
0126: curl_close($curl);
0127:
0128: if ($res == FALSE || $res == '') {
0129: $this->error = TRUE;
0130: $this->errmsg = $file . ' の音声解析に失敗';
0131: return FALSE;
0132: }
0133:
0134: //結果処理
0135: $this->webapi = $url;
0136: $this->responses = json_decode($res);
0137:
0138: if (isset($this->responses->error)) {
0139: $this->error = TRUE;
0140: $this->errmsg = $this->responses->error->status;
0141: return FALSE;
0142: } else if (! isset($this->responses->results[0]->alternatives[0]->transcript)) {
0143: $this->error = TRUE;
0144: $this->errmsg = $file . ' の音声解析に失敗';
0145: return FALSE;
0146: }
0147:
0148: return $this->responses->results[0]->alternatives[0]->transcript;
0149: }
WebAPIにJSON形式の入力データを渡すのに、cURL関数を利用した。
CURLOPT_HTTPHEADER として "Content-Type: application/json" を指定しておくと、CURLOPT_POSTFIELDS にJSON形式テキストを入力するだけで処理してくれるので便利だ。
参考サイト
- Google Cloud Speech API
- Web Speech API仕様：IT関連のプレスリリースなどの紹介
- 誰でも人工知能なガジェットが作れる！？GoogleからAIのDIYを支援する”AIY Projects”始動：EeePCの軌跡
