speech_to_text - Flutterで音声認識を実装する

Author: Takashi

概要

• speech_to_text は音声認識を実装するためのパッケージ

音声認識の仕組み

• Android
  • SpeechRecognizer: アプリ側の窓口となり、OSの音声認識サービスへの接続や命令（開始・停止）を管理
  • RecognitionService: マイクからの音声入力とエンジンの解析処理を一括して実行
• iOS
  • AVAudioEngine: マイクから音声データをストリーミング入力
  • SFSpeechRecognizer: 入力された音声を解析

導入

• pubspec.yaml に以下を追加

dependencies:
  speech_to_text: ^7.3.0

使用方法

Android の設定

<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<uses-permission android:name="android.permission.INTERNET"/>
<uses-permission android:name="android.permission.BLUETOOTH"/>
<uses-permission android:name="android.permission.BLUETOOTH_ADMIN"/>
<uses-permission android:name="android.permission.BLUETOOTH_CONNECT"/>
...
<queries>
    <intent>
        <action android:name="android.speech.RecognitionService" />
    </intent>
</queries>

iOS の設定

<key>NSSpeechRecognitionUsageDescription</key>
<string>音声認識を使用して言葉をテキストに変換するために使用します。</string>
<key>NSMicrophoneUsageDescription</key>
<string>音声を入力して認識させるためにマイクを使用します。</string>

コード例

import 'package:flutter/material.dart';
import 'package:speech_to_text/speech_recognition_result.dart';
import 'package:speech_to_text/speech_to_text.dart';

class MyHomePage extends StatefulWidget {...}

class _MyHomePageState extends State<MyHomePage> {
  final SpeechToText _speechToText = SpeechToText();
  bool _speechEnabled = false;
  String _lastWords = '';

  @override
  void initState() {
    super.initState();
    _initSpeech();
  }

  void _initSpeech() async {
    _speechEnabled = await _speechToText.initialize();
    setState(() {});
  }

  void _startListening() async {
    await _speechToText.listen(onResult: _onSpeechResult, localeId: 'ja_JP');
    setState(() {});
  }

  void _stopListening() async {
    await _speechToText.stop();
    setState(() {});
  }

  void _onSpeechResult(SpeechRecognitionResult result) {
    setState(() {
      _lastWords = result.recognizedWords;
    });
  }

  @override
  Widget build(BuildContext context) {
    return Scaffold(
      appBar: AppBar(...),
      body: Center(
        child: Column(
          mainAxisAlignment: MainAxisAlignment.center,
          children: [
            Container(
              padding: EdgeInsets.all(16),
              child: Text(
                'Recognized words:',
                style: TextStyle(fontSize: 20.0),
              ),
            ),
            Expanded(
              child: Container(
                padding: EdgeInsets.all(16),
                child: Text(
                  _speechToText.isListening
                      ? _lastWords
                      : _speechEnabled
                      ? 'Tap the microphone to start listening...'
                      : 'Speech not available',
                ),
              ),
            ),
          ],
        ),
      ),
      floatingActionButton: FloatingActionButton(
        onPressed: _speechToText.isNotListening ? _startListening : _stopListening,
        tooltip: 'Listen',
        child: Icon(_speechToText.isNotListening ? Icons.mic_off : Icons.mic),
      ),
    );
  }
}

各プロパティの説明

• SpeechToText.initialize()
  • 音声認識の初期化を行う
• SpeechToText.listen()
  • 音声認識を開始し、結果をコールバックで受け取る
• SpeechToText.stop()
  • 音声認識を停止する
• SpeechRecognitionResult.recognizedWords
  • 認識されたテキストを取得する

まとめ

• 簡単に音声認識機能を実装でき、チャットや文字起こしなど様々な用途に活用可能
• 音声入力を活用することで、ユーザー体験の向上に期待できる