必要な音声だけを録音する

作業中の音声ファイルすべてが必要とは限りません。record() メソッドの duration と offset パラメータが役立ちます。

データセットを調べたところ、nothing_at_end として読み込まれたファイルには最後に30秒間の無音があり、サポート通話のファイル out_of_warranty には冒頭に3秒間のノイズがあります。

duration と offset を設定すると、record() メソッドは offset から開始して最大 duration 秒分の音声を取り込みます。どちらも単位は秒です。

この演習はコースの一部です

Pythonで学ぶ音声言語処理

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Convert AudioFile to AudioData
with nothing_at_end as source:
    nothing_at_end_audio = recognizer.record(source,
                                             duration=____,
                                             offset=None)

# Transcribe AudioData to text
text = recognizer.recognize_google(nothing_at_end_audio,
                                   language="en-US")

print(text)

コードを編集して実行