2. 音声認識

Step1 : 事前準備

1. アクセストークンの取得

1. トークンの取得を実行して、アクセストークンを取得してください。この際、音声認識サービスが実行できるようスコープの指定を行い、アクセストークンを払い出すよう注意して下さい。

参考：音声認識サービスの URI

2. 音声認識用のサンプルファイルの取得

サンプル音声のページを参考に、適宜サンプル音声を用意ください。

Step2 : 音声認識サービスの実行

アクセストークンを発行したら、音声認識サービスを実行することができます。以下はHTTPサービスの利用例です。HTTPカスタムヘッダに、必要な設定を記述します。

実行例

mimi ASR powered by NICT を利用する場合の実行例

curl -X POST https://service.mimi.fd.ai \
-H "Content-Type: audio/x-pcm;bit=16;rate=16000;channels=1" \
-H "x-mimi-process:nict-asr" \
-H "x-mimi-input-language:ja" \
-H "Authorization: Bearer <accessToken>" \
--data-binary @/path/to/audio.raw

curl -X POST https://service.mimi.fd.ai \
-H "Content-Type: audio/x-pcm;bit=16;rate=16000;channels=1" \
-H "x-mimi-process:nict-asr" \
-H "x-mimi-input-language:ja" \
-H "x-mimi-nict-asr-options: response_format=v2;progressive=false" \
-H "Authorization: Bearer <accessToken>" \
--data-binary @/path/to/audio.raw

mimi ASR を利用する場合の実行例

curl -X POST https://service.mimi.fd.ai \
-H "Content-Type: audio/x-pcm;bit=16;rate=16000;channels=1" \
-H "x-mimi-process:asr" \
-H "Authorization: Bearer <accessToken>" \
--data-binary @/path/to/audio.raw

応答例

mimi ASR powered by NICT を利用する場合の応答例

{
  "type": "asr#nictlvcsr",
  "session_id": "4bc2e829-8c36-456a-a07d-ec6febf0066d",
  "status": "recog-finished",
  "response": [
    {
      "result": "とりあえず|トリアエズ|とりあえず|副詞-助詞類接続||||"
    },
    {
      "result": "腹ごしらえ|ハラゴシラエ|腹ごしらえ|名詞-一般||||"
    },
    {
      "result": "|||SENT-START-END||||"
    },
    {
      "result": "|||UTT-END||||"
    }
  ]
}

{
  "type": "asr#nictlvcsr2",
  "session_id": "c18e3c5c-4f39-41aa-bf16-89205a4ca8c3",
  "status": "recog-finished",
  "response": [
    {
      "result": "とりあえず腹ごしらえ、",
      "words": [
        "とりあえず",
        "腹ごしらえ"
      ],
      "determined": true,
      "time": 450
    }
  ]
}

mimi ASR を利用する場合の応答例

{
  "response": [
    {
      "pronunciation": "トリアエズ",
      "result": "とりあえず",
      "time": [
        460,
        960
      ]
    },
    {
      "pronunciation": "ハラゴシラエ",
      "result": "腹ごしらえ",
      "time": [
        960,
        1690
      ]
    }
  ],
  "session_id": "b88a1f4e-d72b-11f0-be34-42010a920044",
  "status": "recog-finished",
  "type": "asr#mimilvcsr"
}

音声認識の詳細な情報については mimi ASR のドキュメントおよび API Reference を参照ください。