JuliusでYouTubeからダウンロードしたmp4の音声データを文字起こし練習　その1

こないだ作ったVM上のJulius環境(Ubuntu 18.04)。

前回は、VMでもホストOS側のUSB接続マイクから音声入力できるとことまで確認。マイク入力できないと辞書(Julius音声認識パッケージ)の確認時に困るのでちょっと頑張ったが、ウチでやりたいのは音声データからの文字起こし。そこでさらに環境を準備する。

Julius音声認識パッケージの準備

前回のサンプルではなく、普通の文字起こし用にはJulius音声認識パッケージを使う。

ディクテーションキット (dictation-kit)

一般的なモデル

JNASと『日本語話し言葉コーパス』模擬講演データによるDNN-HMM音響モデルとGMM-HMM音響モデルの2つを用意

国立国語研究所のBCCWJによる汎用的な言語モデル

話し言葉モデルキット (ssr-kit)

話し言葉認識を目的としたモデル

JNASと『日本語話し言葉コーパス』模擬講演データによるDNN-HMM音響モデル

『日本語話し言葉コーパス』の模擬講演データと学会データによる言語モデル

講演音声モデルキット (lsr-kit)

大きな部屋等での講演を対象としたモデル

『日本語話し言葉コーパス』の学会データによるDNN-HMM音響モデル

『日本語話し言葉コーパス』の模擬講演データと学会データによる言語モデル

それぞれダウンロードして解凍する。格納ディレクトリはそれぞれのものを用意する。

ディクテーションキット

cd julius/
mkdir dict
cd dict/
wget https://osdn.net/dl/julius/dictation-kit-4.5.zip
unzip dictation-kit-4.5.zip

話し言葉モデルキット

cd julius/
mkdir ssr-kit
cd ssr-kit/
wget https://osdn.net/dl/julius/ssr-kit-v4.5.zip
unzip ssr-kit-v4.5.zip

講演音声モデルキット

cd julius/
mkdir lsr-kit
cd lsr-kit/
wget https://osdn.net/dl/julius/lsr-kit-v4.5.zip
unzip lsr-kit-v4.5.zip

youtube-dlコマンドの準備

こちらを参照。Ubuntuなのでapt-getでインストール。

curl入ってなかったのでインストール。

# 準備
sudo apt install curl
sudo curl -L https://yt-dl.org/downloads/latest/youtube-dl -o /usr/local/bin/youtube-dl
sudo chmod a+rx /usr/local/bin/youtube-dl

# Youtubeからダウンロード
youtube-dl -F https://www.youtube.com/watch?v=DQuZ-E3mCuU
youtube-dl -f 22 https://www.youtube.com/watch?v=DQuZ-E3mCuU
# ダウンロードしたファイル名は長いので短く
mv 経産省、対韓輸出管理厳格化で個別審査は継続　韓国WTO手続き中断-DQuZ-E3mCuU.mp4 press_conference1.mp4

今回ダウンロードした動画はこちら。-fオプションでは-Fオプションで表示される一番下の22を使用した。

確認のために再生しようとしたらデコーダーが無いって出たのでインストール。

f:id:shigeo-t:20191123094719p:plain

SoundConverterのインストールからWAVへの変換

Juliusはwavファイルとrawファイルじゃないと読み込まない。そこでMP4からWAVに変換する。

Ubuntuなのでコマンドはapt-get。

sudo apt-get install soundconverter

コマンドラインから起動するとこんな感じ。

f:id:shigeo-t:20191123095346p:plain

設定の変更

設定をクリックする。

f:id:shigeo-t:20191123095424p:plain

フォーマットをMS Wave(.wav)にする。

f:id:shigeo-t:20191123095515p:plain

Juliusの都合上、リサンプリングにチェックを入れ、モノラル出力を指定する。

f:id:shigeo-t:20191123095634p:plain

ファイルの追加～変換

ファイルの追加をクリックし、

f:id:shigeo-t:20191123095807p:plain

変換するMP4ファイルを選択。

f:id:shigeo-t:20191123095923p:plain

変換したいファイルが追加された。

f:id:shigeo-t:20191123100014p:plain

変換をクリック。

f:id:shigeo-t:20191123100040p:plain

できた。

f:id:shigeo-t:20191123100253p:plain

SoundConverterを終了させ、確認する。wavファイルが作成されている。

shigeo@ubuntu:~$ ls -l
合計 389064
-rw-r--r--  1 shigeo shigeo      8980 Nov 18 11:52 examples.desktop
drwxr-xr-x 29 shigeo shigeo      4096 Nov 23 09:02 julius
-rw-r--r--  1 shigeo shigeo 219243215 Nov 22 22:09 press_conference1.mp4
-rw-r--r--  1 shigeo shigeo 179098350 Nov 22 22:09 press_conference1.wav
drwxr-xr-x  3 shigeo shigeo      4096 Nov 18 12:00 snap
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 12:42 ダウンロード
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 テンプレート
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 デスクトップ
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 ドキュメント
drwxr-xr-x  3 shigeo shigeo      4096 Nov 18 12:35 ビデオ
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 ピクチャ
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 ミュージック
drwxr-xr-x  2 shigeo shigeo      4096 Nov 18 11:58 公開