アプリケーションの音声操作を可能にする音声認識APIまとめ

スマートフォンではキーボードの代わりに音声入力を行ったり、音声アシスタントも使われるようになっています。そんな音声認識技術をAPIを使って自分のアプリケーションにも組み込みましょう。

Nuance Developers | Home

ドラゴンスピーチという音声テキスト変換を行うソフトウェアで有名なNuance社の提供する音声認識APIです。PhoneGap/Python向けのサンプルコードも提供されています。

音声認識 | docomo Developer support | NTTドコモ

NTTドコモが提供する音声認識APIです。Android/iOS/Webブラウザ向けに提供されています。最大15秒の音声まで対応しています。データ形式はXMLまたはJSON、テキストとなっています。

Bing Speech API — 音声認識 | Microsoft Azure

Azureで提供される音声認識APIです。音声ファイルのアップロードはもちろん、ストリーミング認識にも対応しています。毎月5,000トランザクションまで無料で使えます。

IBM - Speech to Text 音声認識 | Watson Developer Cloud - Japan

IBMのWatsonが提供する音声認識APIです。REST APIの他に、WebSocketベースでも実行できます。WebSocketベースはストリーミングベースでの音声認識に使えます。毎月1,000分まで無料で使えます。

1. はじめに｜音声認識API｜RECAIUS™ Developers

RECAIUS音声認識機能はREST APIで使えます。REST APIですが、音声を細切れに送信してバッチ的に音声認識ができます。音声ファイルをすべてアップロードまたはストリーミングで使えるはずです。

Speech API - 音声認識  |  Google Cloud Platform

Google Cloudで提供されている音声認識APIです。80以上の言語と方言を認識します。特定の語句をヒントに指定することで、そのコンテクストに合わせた認識も可能です。RESTまたはgRPCによるリクエストに対応しています。

Google Speech Private API

現在プライベートで提供されている音声APIです。AndroidやGoogle Chromeに組み込まれているものです。プライベートなので実験または個人利用を推奨しており、1日50アクセス程度までしか使えません。

音声認識の精度が高まると、次はそのテキストが何を意味しているのかを抽出するようになるでしょう。音声、テキストから意味を見いだすのはとても大変ですが、新しい入力インタフェースとしての面白さがあります。ぜひ活用してください。