Uberi/speech_recognition

これは何？

主な機能

• 01多くの音声認識エンジンを切り替えて使える統一されたRecognizerインターフェース
• 02Vosk、Whisper、SphinxなどのオフラインエンジンとクラウドAPIの両方に対応
• 03ファイルとマイクから音声を読み込み（マイクにはPyAudioが必要）
• 04周囲の雑音に応じたエネルギーしきい値の調整とバックグラウンドでの音声入力
• 05OpenAI互換のセルフホスト型エンドポイントに対応

ユースケース

• Pythonスクリプトで録音音声や会議の音声ファイルを書き起こす
• マイクの音声を聞き取る音声コマンドインターフェースを構築する
• 音声をクラウドサービスに送信せず、ローカルマシンでオフライン音声認識を実行する
• 1つのコードパスから複数の音声認識エンジンを比較する

クイックスタート

1. 1

   PyPI からライブラリをインストールする

   pip install SpeechRecognition
2. 2

   組み込みのデモを実行して試す

   python -m speech_recognition

使う前に知っておきたいこと

• !Google Cloud、Azure、OpenAI、Groq、Cohere など、複数のエンジンでは有料またはクラウドの API キーが必要です。
• !マイク入力には PyAudio が必要です。一部のプラットフォームでは、事前にシステムへ PortAudio をインストールする必要があります。
• !Sphinx や Whisper などのオフラインエンジンには追加のパッケージとモデルが必要です。また、README には Sphinx のセットアップが手間のかかる場合があると記載されています。

収録されている特集

トピック

よくある質問

speech_recognition とは？

多くのオンライン・オフライン音声認識エンジンを一貫したインターフェースで利用できるPythonライブラリ。 SpeechRecognitionは、音声をテキストに変換するPythonモジュールです。プロバイダーごとに異なるAPIを覚える必要はなく、1つのRecognizerオブジェクトから、recognize_google、recognize_whisper、recognize_vosk、recognize_sphinxなどのバックエンドを呼び出しごとに選択できます。

speech_recognition は無料で使えますか？ライセンスは？

speech_recognition は BSD-3-Clause ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

speech_recognition は今もメンテナンスされていますか？

半年以内に更新あり。speech_recognition の最終コミットは 2026年9月2日 です。

speech_recognition は何に使えますか？

Pythonスクリプトで録音音声や会議の音声ファイルを書き起こす マイクの音声を聞き取る音声コマンドインターフェースを構築する 音声をクラウドサービスに送信せず、ローカルマシンでオフライン音声認識を実行する 1つのコードパスから複数の音声認識エンジンを比較する

speech_recognition のインストール方法は？

PyPI からライブラリをインストールする: pip install SpeechRecognition 組み込みのデモを実行して試す: python -m speech_recognition

speech_recognition はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/Uberi/speech_recognition