Monacaで音声認識アプリを作ろう

スマートフォンにはテキスト入力用のソフトウェアキーボードがありますが、長い文章を入力するのが大変で、ミスもしやすいです。そこで便利なのが、話した内容をテキストに変換してくれる機能です。この機能は最近、かなり精度が良くなり、ほぼ問題なく使えるようになりました。変換されたテキストは、音声操作などにも使えます。

今回はiOS/Androidで使える音声認識のCordovaプラグインであるcordova-plugin-speechrecognitionの使い方を紹介します。

インストール

GitHubからcordova-plugin-speechrecognitionプラグインのzipファイルをダウンロードし、そのファイルをプラグインの管理画面でインポートしてください。

使い方

まず、音声認識機能が使えるのがどうかの判別が必要です。次のように定義されています。

window.plugins.speechRecognition.isRecognitionAvailable(
  function(res) {
    if (res) {
      // 機能あり
    } else {
      // 機能なし
    }
  },
  function(err) {
    // エラーの場合
  }
)

このままだとちょっと使いづらいので、ラッピングしてもよさそうです（この方法は後述する他のメソッド全般にいえます）。

function isRecognitionAvailable() {
  return new Promise((res, rej) => {
    window.plugins.speechRecognition.isRecognitionAvailable(res, rej);
  })
}
document.addEventListener('deviceready', async (e) => {
  try {
    const available = await isRecognitionAvailable();
    if (available) {
      // 使える
    } else {
      // 使えない
    }
  } catch (e) {
    // エラーの場合
  }
})

利用許可を得る

音声認識機能とマイクが使えることが分かったら、これらを使うための利用許可を得る必要があります。これを行うためには、2つのステップがあります。まずは、利用許可があるかどうかを確認することから始めます。

// 利用できるか（すでに許可済みかどうか）判別
window.plugins.speechRecognition.hasPermission(
  function(res) {
    if (res) {
      // 利用可能
    } else {
      // 利用許可を得る必要あり
    }
  },
  function(err) {
    // エラーの場合
  }
)

次に利用許可を求めます。実行するとダイアログが出ます。

マイクへの許可も必要です。

// 利用許可を求める
window.plugins.speechRecognition.requestPermission(
  function(res) {
    if (res) {
      // 利用許可を取得
    } else {
      // 利用拒否
    }
  },
  function(err) {
    // エラーの場合
  }
)

ダイアログで許可すると使えるようになります。

音声認識を開始する

音声認識を開始する際には window.plugins.speechRecognition.startListening を実行します。これは幾つかオプションがあります。

const options = {
  String language,    // 認識言語を指定
  Number matches,     // テキストを幾つ返却するか
  String prompt,      // 確認ダイアログを出すかどうか（Android のみ）
  Boolean showPopup,  // ポップアップを表示するか否か（Android のみ）
  Boolean showPartial // レスポンスを個別に行うか（true）否か（false）
}

一番簡単なオプションは次のようになるでしょう。

const options = {
  language: 'ja_JP',
  matches: 1
}

実行は次のようになります。

window.plugins.speechRecognition.startListening(
  function(res) {
    // 認識されたテキストが配列で返ってくる
    // showPartial をtrueにした場合は文字列が複数回返ってくる
  },
  function(err) {
    // エラーの場合
  }
)

音声認識を停止する

window.plugins.speechRecognition.startListening はマイクがオンになり、音声待ちの状態になります。結果を取得するためには window.plugins.speechRecognition.stopListening を実行しないといけません。放置していてもその内認識が終了するようですが、あまり行儀はよくありません。ボタンなどを配置して、停止するのがいいでしょう。

window.plugins.speechRecognition.stopListening(
  function(res) {
    // 正常終了
  },
  function(err) {
    // エラーの場合
  }
)

認識できる言語について

認識できる言語は window.plugins.speechRecognition.getSupportedLanguages で取得できます。

window.plugins.speechRecognition.getSupportedLanguages(
  function(res) {
    // 言語の配列
  },
  function(err) {
    // エラーの場合
  }
)

これは公式リポジトリからの引用ですが、iOSとAndroidで異なるので注意してください。ja_JP はどちらも含まれます。Androidの方が圧倒的に多いです。

// Androidの場合

let supportedLanguagesAndroid =
  ["af-ZA", "id-ID", "ms-MY", "ca-ES", "cs-CZ", "da-DK", "de-DE", "en-AU", "en-CA",
  "en-001", "en-IN", "en-IE", "en-NZ", "en-PH", "en-ZA", "en-GB", "en-US", "es-AR",
  "es-BO", "es-CL", "es-CO", "es-CR", "es-EC", "es-US", "es-SV", "es-ES", "es-GT",
  "es-HN", "es-MX", "es-NI", "es-PA", "es-PY", "es-PE", "es-PR", "es-DO", "es-UY",
  "es-VE", "eu-ES", "fil-PH", "fr-FR", "gl-ES", "hr-HR", "zu-ZA", "is-IS", "it-IT",
  "lt-LT", "hu-HU", "nl-NL", "nb-NO", "pl-PL", "pt-BR", "pt-PT", "ro-RO", "sl-SI",
  "sk-SK", "fi-FI", "sv-SE", "vi-VN", "tr-TR", "el-GR", "bg-BG", "ru-RU", "sr-RS",
  "uk-UA", "he-IL", "ar-IL", "ar-JO", "ar-AE", "ar-BH", "ar-DZ", "ar-SA", "ar-KW",
  "ar-MA", "ar-TN", "ar-OM", "ar-PS", "ar-QA", "ar-LB", "ar-EG", "fa-IR", "hi-IN",
  "th-TH", "ko-KR", "cmn-Hans-CN", "cmn-Hans-HK", "cmn-Hant-TW", "yue-Hant-HK",
  "ja-JP"];

// iOSの場合

let supportedLanguagesIOS =
  ["nl-NL","es-MX","zh-TW","fr-FR","it-IT","vi-VN","en-ZA","ca-ES","es-CL","ko-KR",
  "ro-RO","fr-CH","en-PH","en-CA","en-SG","en-IN","en-NZ","it-CH","fr-CA","da-DK",
  "de-AT","pt-BR","yue-CN","zh-CN","sv-SE","es-ES","ar-SA","hu-HU","fr-BE","en-GB",
  "ja-JP","zh-HK","fi-FI","tr-TR","nb-NO","en-ID","en-SA","pl-PL","id-ID","ms-MY",
  "el-GR","cs-CZ","hr-HR","en-AE","he-IL","ru-RU","de-CH","en-AU","de-DE","nl-BE",
  "th-TH","pt-PT","sk-SK","en-US","en-IE","es-CO","uk-UA","es-US"];