音声データをテキスト変換 / Speech to Text / Python

こんにちは！みやしんです。

今回は音声データをテキストに変換する方法をご紹介します🤗

SpeechRecognitionというライブラリを使って変換します。

丁度良い音声データがない方は、こちらの記事で動画から音声データを抽出する方法をご紹介していますので、ご参考にしてみてください🌟

動画(mp4)から音声を抽出(mp3, wav) ffmpeg Python

動画ファイルから音声を抽出する方法をご紹介します

miyashinblog.com

2022.11.03

では、早速はじめていきましょう！！

FLACのダウンロード

まずはFLACをダウンロードします。

FLACのダウンロードサイトはこちらです。

FLAC - What is FLAC?

A free, open source codec for lossless audio compression and decompression

xiph.org

アクセスしましたら「download」をクリックします。

続いて、Windowsであれば「FLAC for Windows」をクリックします。

するとダウンロードファイルの一覧が表示されます。

その中で一番新しいものを選びます。今回はflac-1.2.3-win.zipを選びました。

ファイルをダウンロードして解凍します。

フォルダの中身を確認します。

win64フォルダーを開きます。すると「flac.exe」が入っていますのでこれをコピーします。

ここからが特殊ですので、しっかり操作してください。

コピーしたflac.exeを「C:\Windows\System32」内にペーストします。

そして、ファイル名を「flac.exe」→「flac」に変更します。拡張子を削除してください。

これは、ソースコードによると、 exe拡張子のないflacを検索しているからです。それが失敗した場合は、モジュールフォルダで特定の名前（flac-win32.exe ）のファイルを探すようになっています。

これでflacの準備ができました！

SpeechRecognitionのインストール

pipの場合は、

pip install speechrecognition

Anacondaの場合は、

conda install -c conda-forge speechrecognition

テキストに変換する音声

こちらの音声をテキストに変換します！

ファイル名を、”test.wav” にしています。

サンプルコード

import speech_recognition as sr

r = sr.Recognizer()

with sr.AudioFile("test.wav") as source:
    audio = r.record(source)

text = r.recognize_google(audio, language='ja-JP')

print(text)

実行結果

正しくテキストに変換することができました！

参考) エラーが出たら

OSError: FLAC conversion utility not available – consider installing the FLAC command line application by running `apt-get install flac` or your operating system’s equivalent

上記のエラーが出ましたらFLACに上手くアクセスできていませんので、もう「FLACのダウンロード」に戻っていただいて、再度やりなおしてみてください。