本稿では，音声データからテキストに変換する文字起こしを実装します．
まだ精神が病んでるので，時にyoutubeで人の話を聞いて，認知療法に役立てているのですが，聞いてから文字に起こすのが面倒くさくなり，実装し始めました．
サンプルとしてコーパス開発センター音声・転記テキストサンプルから 学会講演［音声］のサンプル音声(aps-smp.mp3)をダウンロードします．
事前準備
ここではSpeechRecognitionというモジュールを用いります．googleのAPIを間接的に利用します．
Speech-to-Text 公式API
pip install SpeechRecognition
# Successfully installed SpeechRecognition-3.8.1音声のファイル変換
サンプルコードでは読み込む拡張子が「.wav」となっているため，mp3 -> wavに変換します．
ファイル変換はターミナル上でffmpegで実行します．
# ffmpegのインストール
apt-get install -y ffmpeg
# ファイルの変換
ffmpeg -i aps-smp.mp3 aps-smp.wav音声のテキスト変換
以下のコードで音声からテキストに変換する文字起こしに実施します．
python
# 音声のテキスト変換
import speech_recognition as sr
r = sr.Recognizer()
with sr.AudioFile("aps-smp.wav") as source:
audio = r.record(source)
text = r.recognize_google(audio, language='ja-JP')
print(text)今後のやりたいこと
短い音声ファイルではありますが，音声からの文字起こしはできました．
今後は長い動画での文字起こし(できるだけ無料で)に実装したいです．
参考サイト
エラーコード
エラーコード1
あまりに時間の長い音声ファイル(無料枠から外れる)を変換したり，言語として読み取れなかったりすると，以下のエラーが発生します．
recognize_google speech recognition broken pipe python
RequestError: recognition connection failed: [Errno 32] Broken pipe