音声からテキストへ (音声認識)

テキストへの音声ファイル（人間のスピーチ付き）の転記/認識

アプリケーションオーディオファイルからテキストは、人間のスピーチからテキスト（スピーチからテキスト）を含むサウンドファイルを認識するように設計されています。このアプリケーションはまだ音声の録音を目的としていません（これには他のアプリケーション（標準のボイスレコーダーなど）を使用してください）。

曲、ビデオ、その他の録音（スピーカーの声を除く）を含む録音からの単語の認識に使用することはお勧めしません。この場合、認識が不十分になる可能性があります。

お勧めは、スピーカーが録音デバイスにできるだけ近く、外来ノイズのないときに、高音質で作成された音声録音を認識するために使用することをお勧めします。

アプリケーションの機能：

-短い音声録音の認識（最長1分間）

-長いオーディオ録音の認識（1分以上）

-ほとんどのオーディオ形式からの認識をサポート-MP3、OGG（opusコーデック）、AAC、MPEG、AMR、WAV、M4A、FLACなど。 ただし、.FLACの使用をお勧めします

-120言語からの認識サポート

-「自動句読点」は一部の言語で使用できます。

-認識されたテキストはアプリケーションに保存されます。

-利用可能な電話の方法でテキストを「共有」する機能

-テキストを手動で編集する機能

-テキスト形式にエクスポートする機能（Android <10バージョンの場合）

-他のアプリケーションからの「共有」後のオーディオファイルの認識（たとえば、Whats App-ボイスメッセージ。ファイルを表示するためのアプリケーション）。

仕組み：

1）人の音声ファイルを選択します

2）認識言語と追加設定（選択した言語に該当する場合）を選択します

3）「スタート」ボタンを押します

4）音声ファイルがサーバーにダウンロードされ、その形式がFLACに変換されます

5）変換後、Speech-To-Textにリクエストが送信され、サーバーが認識結果を返します

音声認識は、Googleのクラウドソリューションを使用します-Speech to text。これは、単位時間の認識には支払いが必要であるため、アプリケーションは無料ではなく、認識ごとにユーザーに課金する必要があります。ご理解のうえご利用ください。