PythonのSpeechRecognitionライブラリを使って音声認識を簡単に実装する方法

pip install SpeechRecognition

pip install PyAudio‑0.2.11‑cp39‑cp39‑win_amd64.whl

brew install portaudio

pip install pyaudio

sudo apt-get install portaudio19-dev python3-pyaudio

pip install pyaudio

import speech_recognition as sr

import speech_recognition as sr

# Recognizerオブジェクトを作成
recognizer = sr.Recognizer()

# 音声ファイルを読み込む
with sr.AudioFile('path_to_audio_file.wav') as source:
    audio_data = recognizer.record(source)  # 音声を読み取る

# 認識結果をテキストに変換
try:
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("音声が理解できませんでした")
except sr.RequestError:
    print("Google Speech Recognitionサービスに接続できませんでした")

with sr.AudioFile('path_to_audio_file.flac') as source:
    audio_data = recognizer.record(source)
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)

import speech_recognition as sr

# Recognizerオブジェクトを作成
recognizer = sr.Recognizer()

# マイクを使用して音声を取得
with sr.Microphone() as source:
    print("何か話してください...")
    recognizer.adjust_for_ambient_noise(source)  # 環境音を調整
    audio_data = recognizer.listen(source)  # 音声を聞き取る

# 音声認識を実行
try:
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("音声が理解できませんでした")
except sr.RequestError:
    print("Google Speech Recognitionサービスに接続できませんでした")

import speech_recognition as sr

# Recognizerオブジェクトを作成
recognizer = sr.Recognizer()

# マイクを使用して音声を取得
with sr.Microphone() as source:
    print("何か話してください...")
    audio_data = recognizer.listen(source)  # マイクからの音声を取得

# 認識結果を表示
try:
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("音声が理解できませんでした")
except sr.RequestError:
    print("Google Speech Recognitionサービスに接続できませんでした")

with sr.Microphone() as source:
    recognizer.adjust_for_ambient_noise(source, duration=1)  # 環境音を1秒間キャリブレーション
    print("何か話してください...")
    audio_data = recognizer.listen(source)

import speech_recognition as sr

# システム上のマイクデバイスをリスト表示
for index, name in enumerate(sr.Microphone.list_microphone_names()):
    print(f"Microphone {index}: {name}")

with sr.Microphone(device_index=1) as source:  # 例: 1番目のマイクを選択
    recognizer.adjust_for_ambient_noise(source)
    print("何か話してください...")
    audio_data = recognizer.listen(source)

with sr.Microphone() as source:
    print("音声入力開始...（最大5秒）")
    audio_data = recognizer.listen(source, timeout=5, phrase_time_limit=10)

import speech_recognition as sr

# Recognizerオブジェクトを作成
recognizer = sr.Recognizer()

# 音声ファイルを読み込む
audio_file = 'path_to_audio_file.wav'  # 例: "audio.wav"
with sr.AudioFile(audio_file) as source:
    audio_data = recognizer.record(source)  # 音声データを取得

# 認識結果をテキストに変換
try:
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("音声が理解できませんでした")
except sr.RequestError:
    print("Google Speech Recognitionサービスに接続できませんでした")

with sr.AudioFile('path_to_audio_file.wav') as source:
    audio_data = recognizer.record(source, duration=5)  # 最初の5秒間だけ読み取る

with sr.AudioFile('path_to_audio_file.wav') as source:
    audio_data = recognizer.record(source, offset=10, duration=5)  # 10秒後から5秒間を読み取る

with sr.AudioFile('path_to_long_audio_file.wav') as source:
    while True:
        audio_data = recognizer.record(source, duration=30)  # 30秒ずつ処理
        try:
            text = recognizer.recognize_google(audio_data)
            print("認識されたテキスト: " + text)
        except sr.UnknownValueError:
            print("音声が理解できませんでした")
        except sr.RequestError:
            print("Google Speech Recognitionサービスに接続できませんでした")
        # ファイルの終端に達したらループを終了
        if source.DURATION - source.OFFSET <= 0:
            break

import speech_recognition as sr

recognizer = sr.Recognizer()

# マイクから音声を取得
with sr.Microphone() as source:
    print("何か話してください...")
    audio_data = recognizer.listen(source)

# 音声認識の実行とエラーハンドリング
try:
    text = recognizer.recognize_google(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("エラー: 音声が理解できませんでした。もう一度試してください。")
except sr.RequestError as e:
    print(f"エラー: 音声認識サービスにアクセスできませんでした。詳細: {e}")

max_retries = 3
for attempt in range(max_retries):
    try:
        text = recognizer.recognize_google(audio_data)
        print("認識されたテキスト: " + text)
        break
    except sr.RequestError as e:
        if attempt < max_retries - 1:
            print("リトライ中...")
        else:
            print(f"エラー: 音声認識サービスに接続できませんでした。詳細: {e}")

with sr.Microphone() as source:
    recognizer.adjust_for_ambient_noise(source)
    print("環境ノイズに合わせて調整しました。話してください...")
    audio_data = recognizer.listen(source)

import speech_recognition as sr

recognizer = sr.Recognizer()
audio_file = 'path_to_audio_file.wav'

with sr.AudioFile(audio_file) as source:
    audio_data = recognizer.record(source)

# Google Web Speech APIにAPIキーを使ってリクエスト
API_KEY = 'your_google_cloud_api_key'
try:
    text = recognizer.recognize_google(audio_data, key=API_KEY)
    print("認識されたテキスト: " + text)
except sr.RequestError as e:
    print(f"エラー: APIにアクセスできませんでした。詳細: {e}")
except sr.UnknownValueError:
    print("音声が理解できませんでした")

import speech_recognition as sr

recognizer = sr.Recognizer()
audio_file = 'path_to_audio_file.wav'

with sr.AudioFile(audio_file) as source:
    audio_data = recognizer.record(source)

# IBM WatsonのAPIキーとURLを設定
IBM_USERNAME = 'apikey'  # "apikey"は固定値
IBM_APIKEY = 'your_ibm_api_key'
IBM_URL = 'your_ibm_service_url'

try:
    text = recognizer.recognize_ibm(audio_data, username=IBM_USERNAME, password=IBM_APIKEY, url=IBM_URL)
    print("認識されたテキスト: " + text)
except sr.RequestError as e:
    print(f"エラー: IBM Watsonサービスにアクセスできませんでした。詳細: {e}")
except sr.UnknownValueError:
    print("音声が理解できませんでした")

pip install pocketsphinx

import speech_recognition as sr

recognizer = sr.Recognizer()
audio_file = 'path_to_audio_file.wav'

with sr.AudioFile(audio_file) as source:
    audio_data = recognizer.record(source)

# PocketSphinxによるオフライン音声認識
try:
    text = recognizer.recognize_sphinx(audio_data)
    print("認識されたテキスト: " + text)
except sr.UnknownValueError:
    print("音声が理解できませんでした")
except sr.RequestError as e:
    print(f"エラー: PocketSphinxに問題があります。詳細: {e}")

import speech_recognition as sr
import pyttsx3  # テキストを音声に変換するライブラリ

# 音声認識の初期化
recognizer = sr.Recognizer()

# 音声出力の初期化
engine = pyttsx3.init()

# 音声出力関数
def speak(text):
    engine.say(text)
    engine.runAndWait()

# 音声認識関数
def listen():
    with sr.Microphone() as source:
        recognizer.adjust_for_ambient_noise(source)
        print("何か話してください...")
        audio = recognizer.listen(source)

        try:
            command = recognizer.recognize_google(audio, language='ja-JP')  # 日本語設定
            print(f"認識されたコマンド: {command}")
            return command
        except sr.UnknownValueError:
            speak("音声が理解できませんでした。もう一度お話しください。")
        except sr.RequestError as e:
            speak(f"音声認識サービスに接続できませんでした。詳細: {e}")

# 音声アシスタントのループ処理
def assistant():
    speak("こんにちは、何をお手伝いできますか？")
    while True:
        command = listen()

        if command:
            if "終了" in command:
                speak("さようなら")
                break
            elif "天気" in command:
                speak("現在の天気を調べます...")
                # 天気情報を取得するコードを追加可能
            elif "時間" in command:
                from datetime import datetime
                current_time = datetime.now().strftime("%H時%M分です")
                speak(f"今の時間は {current_time}")
            else:
                speak("すみません、そのコマンドは理解できませんでした。")

# アシスタントの起動
assistant()

import speech_recognition as sr
import os

# 音声認識の初期化
recognizer = sr.Recognizer()

# 音声コマンドでアプリを起動する関数
def listen_and_execute():
    with sr.Microphone() as source:
        recognizer.adjust_for_ambient_noise(source)
        print("どのアプリを開きますか？")
        audio = recognizer.listen(source)

        try:
            command = recognizer.recognize_google(audio, language='ja-JP')  # 日本語設定
            print(f"認識されたコマンド: {command}")

            # コマンドに基づいてアプリを起動
            if "メモ帳" in command:
                os.system("notepad")  # メモ帳を起動（Windows）
            elif "ブラウザ" in command:
                os.system("start chrome")  # Chromeを起動
            elif "計算機" in command:
                os.system("calc")  # 計算機を起動（Windows）
            else:
                print("コマンドが認識されませんでした。")
        except sr.UnknownValueError:
            print("音声が理解できませんでした")
        except sr.RequestError as e:
            print(f"エラー: 音声認識サービスに接続できませんでした。詳細: {e}")

# コマンドの受付と実行
listen_and_execute()

import speech_recognition as sr

# 音声認識の初期化
recognizer = sr.Recognizer()

# 音声ファイルを文字起こし
def transcribe_audio(audio_file_path):
    with sr.AudioFile(audio_file_path) as source:
        audio_data = recognizer.record(source)

        try:
            text = recognizer.recognize_google(audio_data, language='ja-JP')  # 日本語設定
            print("認識されたテキスト: ")
            print(text)
            return text
        except sr.UnknownValueError:
            print("音声が理解できませんでした")
        except sr.RequestError as e:
            print(f"エラー: 音声認識サービスに接続できませんでした。詳細: {e}")

# 音声ファイルのパスを指定して実行
transcribe_audio("path_to_audio_file.wav")