Voskのサンプルで、WebVTT生成があったのでやってみた。

vosk-api/test_webvtt.py at master · alphacep/vosk-api

サンプルコードのmodel部分だけ変更でいけた。

あとpip install webvtt-pyの実行も必要だった。

便利なライブラリがあってPythonが流行るのがわかった気がする。

node.jsで使うのあきらめて、Pythonで試してみた。

• vosk-api/test_microphone.py at master · alphacep/vosk-api

あっさり使えた。

ついでに、3 分で作る無料の翻訳 API with Google Apps Script - Qiitaを参考に、日本語→英語翻訳APIを立てて連携してみた。

Pythonの文字列操作するのにちょっと手間取ったけど、意外とすんなりリアルタイム音声認識＆翻訳が出来上がってびっくりした。

日本語音声のマイク入力をオフラインでリアルタイム音声認識：「VOSK」を JavaScript（Node.js）で扱う - Qiita こちらを参考に。

早速npm install voskしたところ、GitbashだとVisualStudioが見つからない的なエラー。WSL2環境で動かしたら通った。

そしてサンプルをコピーして実行すると、エラー。 マイク入力デバイスが見つからないっぽい。WSL環境からは見えないのかも。

ffmpeg.wasmをgithub pagesで動かすよを読んでいて、Offline Transcribeを見に行ったらccoreilly/vosk-browser: A speech recognition library running in the browser thanks to a WebAssembly build of Vosk経由してalphacep/vosk-api: Offline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Nodeというものの存在を知った。

日本語での使用例もいくつか見つかった

• 日本語音声のマイク入力をオフラインでリアルタイム音声認識：「VOSK」を JavaScript（Node.js）で扱う - Qiita
• 話題の音声認識ツールキット Vosk を試してみた
• [M1] 音声認識ツール Voskを動かす [Node] | DevelopersIO

簡単にできそうなので、今度試してみたい。