stt.py

import streamlit as st # フロントエンドを扱うstreamlitの機能をインポート
import speech_recognition as sr # 音声認識の機能をインポート

# 言語選択と、APIが認識する言語の変換リストを作成
set_language_list = {
    "日本語" :"ja",
    "英語" :"en-US",
}

# デフォルトの言語を設定
set_language = "日本語"


# 音声ファイルと音声認識の言語を引数に音声認識をする
def file_speech_to_text(audio_file,set_language):

    # 音声ファイルを読み込み
    with sr.AudioFile(audio_file) as source:
        audio = sr.Recognizer().record(source) # sr.Recognizer().record(開いた音声ファイル)で認識準備

    try:
        text = sr.Recognizer().recognize_google(audio, language=set_language_list[set_language]) #  sr.Recognizer().recognize_google(音声データ,言語)で音声認識して、textに代入
    except:
        text = "音声認識に失敗しました"
    return text # 認識した文字を返す

# 音声認識の言語を引数に音声認識をする
def mic_speech_to_text(set_language):

    # マイク入力を音声ファイルとして読み込み
    with sr.Microphone() as source:
        audio = sr.Recognizer().listen(source) # sr.Recognizer().listen(マイク入力)で認識準備

    try:
        text = sr.Recognizer().recognize_google(audio, language=set_language_list[set_language]) #  sr.Recognizer().recognize_google(音声データ,言語)で音声認識して、textに代入
    except:
        text = "音声認識に失敗しました"
    return text # 認識した文字を返す

st.title("文字起こしアプリ") # タイトル
st.write("音声認識する言語を選んでください。") # 案内を表示
set_language = st.selectbox("音声認識する言語を選んでください。",set_language_list.keys()) # 音声認識に使う言語を選択肢として表示
current_language_state = st.empty() # 選択肢を表示するための箱を準備
current_language_state.write("選択中の言語:" + set_language) # 選択肢を表示するための箱に選択した言語を表示
file_upload = st.file_uploader("ここに音声認識したファイルをアップロードしてください。",type=["wav"]) # アップローダーを設定し、wavファイルだけ許可する設定にする

# ファイルアップロードされた場合、file_uploadがNoneではなくなる
if (file_upload !=None):
    
    st.write("音声認識結果:") # 案内表示
    result_text = file_speech_to_text(file_upload,set_language) # アップロードされたファイルと選択した言語を元に音声認識開始
    st.write(result_text) # メソッドから返ってきた値を表示
    st.audio(file_upload) # アップロードした音声をきける形で表示


st.write("マイクでの音声認識はこちらのボタンから") # 案内表示

# ボタンが押されたら実行される
if st.button("音声認識開始"):
    state = st.empty() # マイク録音中を示す為の箱を準備
    state.write("音声認識中") # 箱に案内表示書き込み
    result_text = mic_speech_to_text(set_language) # 選択した言語を元に音声認識開始
    state.write("音声認識結果:") # 案内表示に変更
    st.write(result_text) # メソッドから返ってきた値を表示