Pocket

文字起こしとは、音源をテキストデータに変換することで、テープ起こしとも言ったりします。
先日のブログ Amazon Polly オススメの音声変換サービス  では、テキストデータから音声を作成(Text-To-Speech)しましたが、その逆(Speech-to-Text)のことです。
 
Word Campでも紹介されている UDトーク  もオススメですが、今回はAWSサービスの一つ Amazon Transcribe  をご紹介します。
UDトークはリアルタイムでのテキスト起こしができますが、残念ながら、Amazon Transcribeはできません。
音声データが必要になります。
 
Amazon Transcribe
Amazon Transcribe  のトップページ。
右上のコンソールにサインインをクリックします。
 
Amazon Transcribe
ルートユーザーでログインします。
ユーザー登録がお済みで無い場合、こちらからAWSアカウントの作成 をお願いします。
 
Amazon Transcribで使用する音声データはあらかじめAWS S3 にアップしておく必要があります。
まずは、その手順をお伝えします。
 
Amazon Transcribe
AWS マネジメントコンソール にアクセスし ストレージ > S3 をクリックします。
 
Amazon Transcribe
Amazon S3 のトップページが開くので、 +バケットを作成する をクリックします。
バケットとはファイルを入れておくための入れ物のことです。
bucket は日本語だとバケツになります。
すでに作成されている場合は下に表示されます。
 
Amazon Transcribe
▲バケットの作成画面が開きます。
バケット名に任意入力。リージョンは アジアパシフィック(東京) を選択します。
既存のバケットから設定をコピー を選択すると、下図のように表示されるので既存のものを選択します。
 
Amazon Transcribe
▲既存のバケットから選択します。
 
Amazon Transcribe
▲色々と設定できますが、今回は上図の設定で進行します。
右下の 次へ をクリックします。
 
Amazon Transcribe
▲アクセス権に関する設定を行います。
今回は上図の設定で進行します。
右下の 次へ をクリックします。
 
Amazon Transcribe
▲確認画面。
右下の バケットを作成 をクリックします。
 
Amazon Transcribe
▲バケットが作成されました。
Amazon Transcribe
▲確かにバケツの形をしています。
バケット名をクリックします。
 
Amazon Transcribe
▲バケットに対する処理を行います。
アップロードをクリックします。
 
Amazon ranscribe
▲アップロードするファイルを選択します。
今回は、前回 Amazon Polly で作成した「吾輩は猫である」の音源ファイルを使用します。

 
Amazon Transcribe
▲ファイルを選択すると上図のような画面になります。
左下の アップロード をクリックすると簡易アップロードができます。
右下の 次へ をクリックすると詳細設定を行いながらのアップロードになります。
 
Amazon Transcribe
▲前の画面で 次へ をクリックしました。詳細設定の画面です。ファイルへのアクセスに関する設定のようです。
今回は上図の設定で進行します。
次へ をクリックします。
 
Amazon Transcribe
▲ストレージクラスの設定です。
保存期間と容量に関する設定のようで、場合によっては料金がかかるようです。
今回は上図の設定で進行します。
次へ をクリックします。
 
Amazon Transcribe
▲最後に確認画面が開くので右下の アップロード をクリックします。
 
Amazon Transcribe
▲これで S3 へのアップロードが完了です。
 
ここからが Amazon Transcribe の説明です。
 
Amazon Transcribe
AWS マネジメントコンソール にアクセスし Machine Learning > Amazon Transcribe をクリックします。
 
Amazon Transcribe
Amazon Transcribe のトップページです。
右上の Create job をクリックします。
 
Amazon Transcribe
ひとまず、任意ジョブ名を入力します。
先ほどS3にアップロードした音源ファイルを選択します。
Browse S3 をクリックし任意ファイルを選択します。
Service-managed S3 bucketは、サービス管理のS3バケットに保存されます。90日後に削除されます。
Customer specified S3 bucketだと、こちらで指定したS3に保存されるのでジョブの期限が切れても削除されません。
上図を翻訳した画面はこちらです。 
 
Amazon Transcribe
で任意バケットを選択します。
 
Amazon Transcribe
▲さらにバケット内のファイルを選択します。
 
Amazon Transcribe
▲最後に右下の Choose をクリックします。
 
Amazon Transcribe
▲先ほどのに選択したファイルが表示されます。
 
Amazon Transcribe
▲各設定が済んだら、最初のSpecify job details 画面右下の Next をクリックすると上図が表示されるのでCreate をクリックします。
上図を翻訳した画面はこちらです。 
 
Amazon Transcribe
▲しばらく処理中になります。
 
Amazon Transcribe
▲ジョブ作成が完了しました。
ジョブ名をクリックすると下図が開きます。
 
Amazon Transcribe
▲詳細、変換後のテキストが確認できます。
 
Amazon Transcribe
▲最下部の Application integration を表示させた状態。
他のサービスと連携するときのAPIがJSON形式でコピーできます。
 
▼変換後テキストの各文字にカーソルを合わせると再生時間と再現の信頼性の割合が表示されます。確かに誤変換した文字は割合が低いですね。
Amazon Transcribe
Amazon Transcribe
Amazon Transcribe
 

吾輩 は 猫 で ある 夏目 漱石 吾輩 は 猫 で ある 名前 は まだ ない どこ で 生まれ た か とんと 見当 が 付か ぬ 何 でも 薄暗い じめじめ し た ところ で 庭 に は 泣い て い た こと だけ は 記憶 し て いる 吾輩 は ここ で 初めて 人間 と いう もの を 見 た しかも 後 で 聞く と ソレ は 処世 という 人間 の 中 で 一番 同学 な 種族 で あっ た そう だ この 書生 という の は 時々 我々 を 捉え て に 委託 という 話 で ある

▲最後に、音源と変換したテキストを載せておきます。
 

まとめ

今回の結果からですと、精度を上げるには、よほど良い発音でないと期待できません。
機械学習とはいえ、100%の再現性は不可能なので、まだまだ人力は必要ですね。。。
リアルタイムでの変換に未対応とのことなので、今後、この辺は頑張って欲しいところです。
原稿執筆の仕事や、セミナーなどのレポート作成、インタビュー記事作成などに活用できそうです。
 
最後に、気になるお値段ですが、こちらをご参照ください。 
最後まで読んでいただきありがとうございました。
 

関連記事







Pocket