音声文字変換でツイッターへ投稿！Pythonで実現！ | とりあえずやってみよう！C++, Python

こんな方におすすめ

つぶやいた声をそのままツイッターに投稿したい
音声をwavに録音したい
音声を文字に変換したい

今回は、つぶやいた声をそのままダイレクトにツイッターに投稿するプログラムを作成しました。ツイート（つぶやく）という意味なので、リアルツイッターを実現するプログラムです。

音声を文字に変換する箇所以外は、これまで紹介してきた下記のプログラムを組み合わせるだけ実現することができます。

Google cloud platformの登録に関しては、下記を参照してください。また、APIを利用する前の環境設定は"テキスト読み上げ"ではなく、"音声入力"のドキュメントを参考してもらえれば、同様に設定ができます。

Google text to speech をPythonで実行！

ツイッターへの投稿は、下記で使用しているソースをそのまま流用しています。

WEBスクレイピングからツイッターへ

プログラムについて

今回は、以下の３つのプログラムの構成で音声文字変換からツイッターへの投稿を実現しています。

音声を録音してwavファイルに落とす
wavファイルから文字に変換する
変換した文字をツイッターへ投稿する

まずは、音声を録音してwavファイルに落とす関数を作成します。MakewavFileという関数でsample.wavファイルに音声を録音します。

import pyaudio
import numpy
import wave 
 
WAVE_OUTPUT_FILENAME = "sample.wav"
iDeviceIndex = 0
 
def MakeWavFile(FileName = "sample.wav", Record_Seconds = 2):
    chunk = 1024
    FORMAT = pyaudio.paInt16
    
    #monoral
    CHANNELS = 1
    #sampling rate for wav
    RATE = 44100 
    
    p = pyaudio.PyAudio()
    
    stream = p.open(format = FORMAT,
                    channels = CHANNELS,
                    rate = RATE,
                    input = True,
                    frames_per_buffer = chunk)
    
    #Start Record
    print("Recording...")
    all = []
    for i in range(0, int(RATE / chunk * Record_Seconds)):
        data = stream.read(chunk) 
        all.append(data) 
    
    #Finished Record
    print("Finished")
    
    stream.close()
    p.terminate()
    wavFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
    wavFile.setnchannels(CHANNELS)
    wavFile.setsampwidth(p.get_sample_size(FORMAT))
    wavFile.setframerate(RATE)
    wavFile.writeframes(b"".join(all))
    
    wavFile.close()

import pyaudio

import numpy

import wave

WAVE_OUTPUT_FILENAME = "sample.wav"

iDeviceIndex = 0

def MakeWavFile(FileName = "sample.wav", Record_Seconds = 2):

chunk = 1024

FORMAT = pyaudio.paInt16

#monoral

CHANNELS = 1

#sampling rate for wav

RATE = 44100

p = pyaudio.PyAudio()

stream = p.open(format = FORMAT,

channels = CHANNELS,

rate = RATE,

input = True,

frames_per_buffer = chunk)

#Start Record

print("Recording...")

all = []

for i in range(0, int(RATE / chunk * Record_Seconds)):

data = stream.read(chunk)

all.append(data)

#Finished Record

print("Finished")

stream.close()

p.terminate()

wavFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb')

wavFile.setnchannels(CHANNELS)

wavFile.setsampwidth(p.get_sample_size(FORMAT))

wavFile.setframerate(RATE)

wavFile.writeframes(b"".join(all))

wavFile.close()

音声を文字に変換するプログラムを作成します。speech_to_char()という関数が音声を文字に変換したmessage_stackを返します。

import io
import os

# Imports the Google Cloud client library
from google.cloud import speech
from google.cloud.speech import enums
from google.cloud.speech import types

def speech_to_char():
    # Instantiates a client
    client = speech.SpeechClient()

    # The name of the audio file to transcribe
    file_name = os.path.join('sample.wav')


    with io.open(file_name, 'rb') as audio_file:
        content = audio_file.read()
        audio = types.RecognitionAudio(content=content)

    config = types.RecognitionConfig(
        encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=44100,
        #Japanese language
        language_code='ja-JP') 

    response = client.recognize(config, audio)
    message_stack=""
    for result in response.results:
        print('Transcript: {}'.format(result.alternatives[0].transcript))
        message_stack +="{}".format(result.alternatives[0].transcript) 
    return message_stack

import io

import os

# Imports the Google Cloud client library

from google.cloud import speech

from google.cloud.speech import enums

from google.cloud.speech import types

def speech_to_char():

# Instantiates a client

client = speech.SpeechClient()

# The name of the audio file to transcribe

file_name = os.path.join('sample.wav')

with io.open(file_name, 'rb') as audio_file:

content = audio_file.read()

audio = types.RecognitionAudio(content=content)

config = types.RecognitionConfig(

encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16,

sample_rate_hertz=44100,

#Japanese language

language_code='ja-JP')

response = client.recognize(config, audio)

message_stack=""

for result in response.results:

print('Transcript: {}'.format(result.alternatives[0].transcript))

message_stack +="{}".format(result.alternatives[0].transcript)

return message_stack

ツイッター投稿用の設定をします。Consumer Key(CK),Consumer Secret Key(CS), Access Token(AK), Access Token Secret(AT)の設定。自分のツイッターの開発情報を入手します。入手方法は省略します。（ググれば出てきます）

import tweepy
import time
CK = "XXXXXX"
CS = "XXXXXX"
AK = "XXXXXX"
AT = "XXXXXX"
auth = tweepy.OAuthHandler(CK, CS)
auth.set_access_token(AK, AT)
api = tweepy.API(auth)

import tweepy

import time

CK = "XXXXXX"

CS = "XXXXXX"

AK = "XXXXXX"

AT = "XXXXXX"

auth = tweepy.OAuthHandler(CK, CS)

auth.set_access_token(AK, AT)

api = tweepy.API(auth)

これらを順番に実行します。

#Recording
MakeWavFile()
time.sleep(2)

#Changing from wav
message=speech_to_char()
time.sleep(2)

#sending to tweet
api.update_status(message)

#Recording

MakeWavFile()

time.sleep(2)

#Changing from wav

message=speech_to_char()

time.sleep(2)

#sending to tweet

api.update_status(message)

まとめ

Pythonプログラムで、"疲れたー"というつぶやきに対して、正しく"疲れた”と文字変換がされ、ツイッターに投稿することができました。リアルツイッターというべきものが簡単に作成できました。

色々音声でつぶやいて、遊んでみると楽しいと思います。ぜひチャレンジしてみてください!