機械学習
音声認識
概要
このブロックは、Cloud Speech-to-Text APIを使用して、Google Cloud Storage（GCS）上の音声データをテキストデータに変換します。テキストデータは、変数に格納されます。
情報
GoogleからCloud Speech-to-Text APIを効果的に使用するためのガイドライン"Best Practices"が公開されています。このブロックを使用する前に、一読をお薦めします。
注意
セルフサービスプランの場合は、このブロックを使用する前に、Cloud Speech-to-Text APIを有効にしてください。詳しくは、「基本操作ガイド>ヒント> Google APIを有効にする」を参照してください。
プロパティ
| プロパティ名 | 説明 |
|---|---|
| ブロック名 | ブロックの名前を指定します。ブロックに表示されます。 |
| GCPサービスアカウント | このブロックで使用するGCPサービスアカウントを選択します。 |
| 音声データのGCS上のURL |
音声データファイルが格納されているGCS上のURLを指定します。 |
| 結果を格納する変数 |
音声を変換したテキストデータを格納する変数を指定します。 詳細については、「出力仕様>音声認識」を参照してください。 |
| 音声データのエンコーディング |
「音声データのGCS上のURL」プロパティで指定した音声データのエンコーディングを指定します。指定できるエンコーディングは、次のいずれかです。
音声認識で最良の結果を得るエンコーディングとして、FLACかLINEAR16の使用が推奨されています。詳しくは、基本操作ガイドの「Cloud Speech-to-Text APIの音声データのエンコーディングについて」を参照してください。各エンコーディングの説明と音声データの変換について解説しています。 |
| 音声データのサンプルレート |
「音声データのGCS上のURL」プロパティで指定した音声データのサンプルレートを8000から48000の間で指定します。単位は、ヘルツ（Hz）です。 最良の結果を得るための最適な値は、16000Hzです。 |
| 音声データの言語コード |
「音声データのGCS上のURL」プロパティで指定した音声データの言語コードを指定します。例えば、日本語の場合は、「ja-JP」を指定します。 指定可能な言語コードのリストは、Language Supportで確認できます。 |
| ブロックメモ | ブロックに対するコメントを指定します。 |
| 最大変換候補数 |
音声データをテキストデータに変換する際、複数の変換候補を得ることができます。この「最大変換候補数」プロパティでは、この変換候補の最大数を0から30の間で指定します。 0か1を指定した場合、最大で1の変換候補補が得られます。 |
| 不適切な表現を取り除く | このプロパティを有効化すると、不適切な表現と思われるものを取り除きます。 |
| 音声認識のヒントとなる単語やフレーズ | 音声認識の精度を高めるための単語やフレーズを指定します。 |
使用例
「基本操作ガイド>ヒント>音声認識ブロックの使い方」で、音声認識ブロックの使い方を解説しています。