Deepgram の STT を試す

uv init -p 3.12.9 deepgram-stt-work && cd deepgram-stt-work

uv add deepgram-sdk python-dotenv

 + deepgram-sdk==3.11.0

DEEPGRAM_API_KEY="XXXXXXXXX"

import os
from dotenv import load_dotenv

from deepgram import (
    DeepgramClient,
    PrerecordedOptions,
    FileSource,
)

# オーディオファイルのパス
AUDIO_FILE = "voice_lunch_jp_5min.wav"

# 環境変数でAPIキーを読み込む
load_dotenv(verbose=True)

def main():
    try:
        # ステップ1: Deepgramクライアントの作成
        deepgram = DeepgramClient()

        with open(AUDIO_FILE, "rb") as file:
            buffer_data = file.read()

        payload: FileSource = {
            "buffer": buffer_data,
        }

        # ステップ2: オーディオ分析のオプションを設定
        options = PrerecordedOptions(
            model="nova-3",
            smart_format=True,
        )

        # ステップ3: テキストペイロードとオプションを使用してtranscribe_fileメソッドを呼び出す
        response = deepgram.listen.rest.v("1").transcribe_file(payload, options)

        # ステップ4: レスポンスを出力
        print(response.to_json(indent=4, ensure_ascii=False))

    except Exception as e:
        print(f"Exception: {e}")

if __name__ == "__main__":
    main()

time uv run prerecorded.py

{
    "metadata": {
        "transaction_key": "deprecated",
        "request_id": "954583ba-d899-423a-8961-7deba88d7fdb",
        "sha256": "993962110222042ce3949ec50a5c844fc68986fe0da3fcfb9d58c5c6f769ccfb",
        "created": "2025-04-19T17:14:23.603Z",
        "duration": 268.75732,
        "channels": 1,
        "models": [
            "3b3aabe4-608a-46ac-9585-7960a25daf1a"
        ],
        "model_info": {
            "3b3aabe4-608a-46ac-9585-7960a25daf1a": {
                "name": "general-nova-3",
                "version": "2024-12-20.0",
                "arch": "nova-3"
            }
        }
    },
    "results": {
        "channels": [
            {
                "alternatives": [
                    {
                        "transcript": "",
                        "confidence": 0.0,
                        "words": [],
                        "paragraphs": {
                            "transcript": "\n",
                            "paragraphs": []
                        }
                    }
                ]
            }
        ]
    }
}

real	0m3.425s
user	0m0.224s
sys	0m0.069s

(snip)
        options = PrerecordedOptions(
            model="nova-3",
            smart_format=True,
            language="multi",
        )
(snip)

{
    "metadata": {
        "transaction_key": "deprecated",
        "request_id": "94262d3c-a2a8-412e-9b7e-0b7aeb936880",
        "sha256": "993962110222042ce3949ec50a5c844fc68986fe0da3fcfb9d58c5c6f769ccfb",
        "created": "2025-04-19T17:15:48.024Z",
        "duration": 268.75732,
        "channels": 1,
        "models": [
            "e8345677-a780-424f-bc88-44eda363a0ab"
        ],
        "model_info": {
            "e8345677-a780-424f-bc88-44eda363a0ab": {
                "name": "general-nova-3",
                "version": "2025-02-25.20117",
                "arch": "nova-3"
            }
        }
    },
    "results": {
        "channels": [
            {
                "alternatives": [
                    {
                        "transcript": "はい じゃあ 始め ます。 ちょっと まだ 来 られて ない 方も いらっしゃる んですけど ボ イス ラ ンチ、JP 始め ます。 皆さん 日 曜日。 はい 日 曜日 にお 集 いただき まして ありがとうございます。 今日 久し ぶりに ですね オフ ライン ということで 今日は ですね スペ シャル な ゲ をお 二人 来て いただいて おります ということで 今日 ちょっと ト ック に 回 ります けれども、VoiceRoad の シー ー である ウェ ン リ ーム さんと、 あと セ ール ス フォ ース の、 カ セ オ ール デザインのディ レ クター である ウェ イク ベ ネ ス さんに 来て いただいて ます。 ということで 日本 に来て いただいて ありがとうございました。 で 今日は ちょっと この 二 人に また 後で いろいろ と 聞 こう という コーナー がありますので、 そこで また 色々 と 聞 きたい と思います。 で 今日 のア ジェ ンダ なんですけども ちょっと 時間 過ぎ ちゃ いましたが まず 最初にVoiceLunchJP について ていう と あと 会 場 のところ ですね 少し ご 説明 させて いただいて 一つ 目の セ ッション で まず 私 の方から VoiceOverall 二 千 二 十 二 年の スキ ン 新 機能 とかですね その辺 の話を 少し させて いただいて その後 二 つ目 のセ ッション で ブ レイ ゼ ン さんと ブ ゼ さんに いろいろ カ ンバ セ ー ショ ナル デザイン について 何でも 聞 ぜ みたいな ところを 予定 しております。 で その後 十 五 時から 十 五 で 一旦 終了 という 形で させて いただいて ちょっと 一応VoiceOutch。JP タ しか 記念 撮影 は 必 ですよね。 なので それ だけ させて いただいて その後 ちょっと 一 時間 ぐらい 簡単 にお 菓子 と 飲み 物を 用意 してます ので懇 会 というのを そのまま させて いただ こう と思っています。VoiceLunchJP について なんですけども ボ イス ラ は ボ イスUI とか 音声 関連 ですね そういった 技術 に 実際に 携 わ っている 人 もしくは 興味 がある 人 そっち のため の グロ ーバ ル な コミュニ ティ という形 になって いて ボ イス ラ の日本 リ ージョン という 形 が ボ イス ラ になってます と。 過去 も ずっと やって ますけど オンライン オフ ライン で いろんな 音声 のデ ザイン だったり 技術 だったり というところで 情報 とかを 共有 して みんなで 業 盛り 上げて いこう ぜ というような ことで やって おります。 で 今日 のハ ッシュ タグ ですね、 ーク ボ イ スタ ンHJP で いろいろ と 自由 に 付き 合 してください。 で あと 会 ですね 今回 グラ ニ カ 様 のお 声 で 利用 させて いただいて ます。 ありがとうございます。 で ぜひ こちらも シェ を お願い したり ですと。 で 今日 と 配信 のところ も いろいろ と やって いただいて ます って 非常に 感謝 しております。 でちょっと 今 ごめんなさい、 今 コロナ で 会 場 に来 られる 方 とかも あまり いない ということで されて ない んですけれども、 通常 は なんか ここで アイ オ ーティー 機 器 の とか ガ ジェ ット とかを 展 されている ような ので、 そういった もの がある とき 今度 ですね また 体験 してみて いただければ な と思っています というところで、 あと す いません トイレ がこちら で あと タ 座 れる 方は こちら のところ になってます んで よろしくお願いします。 はい ということで 最初の挨拶 は これで、 じゃあ まず 私 の方 のセ ッション から 分けて いただきます というところで、 ボ イス ロー アップ デート 二 千 二 十 二 というところで、 今年 の新 機能 について 少し お話 をします。 自己 紹介 です。 清 水 と 申 します。 神 戸 で インフ のエ ンジ ニア をやって ますので 普段 はKubernetes とかErabest とかTeLaHome とか を い って まして 最近 ちょっと フリ ーラ ンス になります。 でちょっと 調べて みたらVoiceflow 一番 最初に 始めた のが 二 千 十 九 年の 頭 ぐらい なんで 大体 四 年 弱 ぐらい ですね いろいろ と 触 って まして あと 音声 関連 のコ ミュニ ティ のところ では、VoiceLunchJP、 今回 のやつ ですね 以外 にAJAG、AmazonAlexa、Japan ユ ーザー グループ とか、 あとVoiceFlow の日本 語 ユ ーザー グループ ということで、VFJUG というのを やって います。 日本語 コミュニ ティ の方はFacebook の方で やって ますので、 もし よ ろし ければ 見て いただければ なと思います。 あと 二 年 ぐらい 前に ですね、 技術 書 店 の方で ここに 今日 スタッフ で 聞いて いただいて いる 皆さん と ですね 一緒に 同時に 作る ということで 作った んですけれども、 もう これ ちょっと 二 年 ぐらい 経 って 中 身 が だいぶ 古 くなって しま っているので、既に ちょっと 販売 は 使用 しております。 今日は ちょっと 持って きた かった んですけど、 それ 忘れて しまいました。 はい、 なんで こういう ことも やって います",
                        "confidence": 0.95947266,
                        "words": [
                            {
                                "word": "はい",
                                "start": 1.52,
                                "end": 2.0,
                                "confidence": 0.97998047,
                                "punctuated_word": "はい",
                                "language": "ja"
                            },
                            {
                                "word": "じゃあ",
                                "start": 2.0,
                                "end": 2.3999999,
                                "confidence": 0.4267578,
                                "punctuated_word": "じゃあ",
                                "language": "ja"
                            },
                            {
                                "word": "始め",
                                "start": 2.3999999,
                                "end": 2.8799999,
                                "confidence": 0.97802734,
                                "punctuated_word": "始め",
                                "language": "ja"
                            },
                            {
                                "word": "ます。",
                                "start": 2.8799999,
                                "end": 3.12,
                                "confidence": 0.9313965,
                                "punctuated_word": "ます。",
                                "language": "ja"
                            },
(snip)
                            {
                                "word": "ことも",
                                "start": 267.93,
                                "end": 268.25,
                                "confidence": 0.9941406,
                                "punctuated_word": "ことも",
                                "language": "ja"
                            },
                            {
                                "word": "やって",
                                "start": 268.25,
                                "end": 268.57,
                                "confidence": 0.99121094,
                                "punctuated_word": "やって",
                                "language": "ja"
                            },
                            {
                                "word": "います",
                                "start": 268.57,
                                "end": 269.13,
                                "confidence": 0.7661133,
                                "punctuated_word": "います",
                                "language": "ja"
                            }
                        ],
                        "paragraphs": {
                            "transcript": "\nはい じゃあ 始め ます。 ちょっと まだ 来 られて ない 方も いらっしゃる んですけど ボ イス ラ ンチ、JP 始め ます。 皆さん 日 曜日。 はい 日 曜日 にお 集 いただき まして ありがとうございます。 今日 久し ぶりに ですね オフ ライン ということで 今日は ですね スペ シャル な ゲ をお 二人 来て いただいて おります ということで 今日 ちょっと ト ック に 回 ります けれども、VoiceRoad の シー ー である ウェ ン リ ーム さんと、 あと セ ール ス フォ ース の、 カ セ オ ール デザインのディ レ クター である ウェ イク ベ ネ ス さんに 来て いただいて ます。 ということで 日本 に来て いただいて ありがとうございました。 で 今日は ちょっと この 二 人に また 後で いろいろ と 聞 こう という コーナー がありますので、 そこで また 色々 と 聞 きたい と思います。 で 今日 のア ジェ ンダ なんですけども ちょっと 時間 過ぎ ちゃ いましたが まず 最初にVoiceLunchJP について ていう と あと 会 場 のところ ですね 少し ご 説明 させて いただいて 一つ 目の セ ッション で まず 私 の方から VoiceOverall 二 千 二 十 二 年の スキ ン 新 機能 とかですね その辺 の話を 少し させて いただいて その後 二 つ目 のセ ッション で ブ レイ ゼ ン さんと ブ ゼ さんに いろいろ カ ンバ セ ー ショ ナル デザイン について 何でも 聞 ぜ みたいな ところを 予定 しております。 で その後 十 五 時から 十 五 で 一旦 終了 という 形で させて いただいて ちょっと 一応VoiceOutch。JP タ しか 記念 撮影 は 必 ですよね。 なので それ だけ させて いただいて その後 ちょっと 一 時間 ぐらい 簡単 にお 菓子 と 飲み 物を 用意 してます ので懇 会 というのを そのまま させて いただ こう と思っています。VoiceLunchJP について なんですけども ボ イス ラ は ボ イスUI とか 音声 関連 ですね そういった 技術 に 実際に 携 わ っている 人 もしくは 興味 がある 人 そっち のため の グロ ーバ ル な コミュニ ティ という形 になって いて ボ イス ラ の日本 リ ージョン という 形 が ボ イス ラ になってます と。 過去 も ずっと やって ますけど オンライン オフ ライン で いろんな 音声 のデ ザイン だったり 技術 だったり というところで 情報 とかを 共有 して みんなで 業 盛り 上げて いこう ぜ というような ことで やって おります。 で 今日 のハ ッシュ タグ ですね、 ーク ボ イ スタ ンHJP で いろいろ と 自由 に 付き 合 してください。 で あと 会 ですね 今回 グラ ニ カ 様 のお 声 で 利用 させて いただいて ます。 ありがとうございます。 で ぜひ こちらも シェ を お願い したり ですと。 で 今日 と 配信 のところ も いろいろ と やって いただいて ます って 非常に 感謝 しております。 でちょっと 今 ごめんなさい、 今 コロナ で 会 場 に来 られる 方 とかも あまり いない ということで されて ない んですけれども、 通常 は なんか ここで アイ オ ーティー 機 器 の とか ガ ジェ ット とかを 展 されている ような ので、 そういった もの がある とき 今度 ですね また 体験 してみて いただければ な と思っています というところで、 あと す いません トイレ がこちら で あと タ 座 れる 方は こちら のところ になってます んで よろしくお願いします。 はい ということで 最初の挨拶 は これで、 じゃあ まず 私 の方 のセ ッション から 分けて いただきます というところで、 ボ イス ロー アップ デート 二 千 二 十 二 というところで、 今年 の新 機能 について 少し お話 をします。 自己 紹介 です。 清 水 と 申 します。 神 戸 で インフ のエ ンジ ニア をやって ますので 普段 はKubernetes とかErabest とかTeLaHome とか を い って まして 最近 ちょっと フリ ーラ ンス になります。 でちょっと 調べて みたらVoiceflow 一番 最初に 始めた のが 二 千 十 九 年の 頭 ぐらい なんで 大体 四 年 弱 ぐらい ですね いろいろ と 触 って まして あと 音声 関連 のコ ミュニ ティ のところ では、VoiceLunchJP、 今回 のやつ ですね 以外 にAJAG、AmazonAlexa、Japan ユ ーザー グループ とか、 あとVoiceFlow の日本 語 ユ ーザー グループ ということで、VFJUG というのを やって います。 日本語 コミュニ ティ の方はFacebook の方で やって ますので、 もし よ ろし ければ 見て いただければ なと思います。 あと 二 年 ぐらい 前に ですね、 技術 書 店 の方で ここに 今日 スタッフ で 聞いて いただいて いる 皆さん と ですね 一緒に 同時に 作る ということで 作った んですけれども、 もう これ ちょっと 二 年 ぐらい 経 って 中 身 が だいぶ 古 くなって しま っているので、既に ちょっと 販売 は 使用 しております。 今日は ちょっと 持って きた かった んですけど、 それ 忘れて しまいました。 はい、 なんで こういう ことも やって います",
                            "paragraphs": [
                                {
                                    "sentences": [
                                        {
                                            "text": "はい じゃあ 始め ます。 ちょっと まだ 来 られて ない 方も いらっしゃる んですけど ボ イス ラ ンチ、JP 始め ます。 皆さん 日 曜日。 はい 日 曜日 にお 集 いただき まして ありがとうございます。 今日 久し ぶりに ですね オフ ライン ということで 今日は ですね スペ シャル な ゲ をお 二人 来て いただいて おります ということで 今日 ちょっと ト ック に 回 ります けれども、VoiceRoad の シー ー である ウェ ン リ ーム さんと、 あと セ ール ス フォ ース の、 カ セ オ ール デザインのディ レ クター である ウェ イク ベ ネ ス さんに 来て いただいて ます。 ということで 日本 に来て いただいて ありがとうございました。 で 今日は ちょっと この 二 人に また 後で いろいろ と 聞 こう という コーナー がありますので、 そこで また 色々 と 聞 きたい と思います。 で 今日 のア ジェ ンダ なんですけども ちょっと 時間 過ぎ ちゃ いましたが まず 最初にVoiceLunchJP について ていう と あと 会 場 のところ ですね 少し ご 説明 させて いただいて 一つ 目の セ ッション で まず 私 の方から VoiceOverall 二 千 二 十 二 年の スキ ン 新 機能 とかですね その辺 の話を 少し させて いただいて その後 二 つ目 のセ ッション で ブ レイ ゼ ン さんと ブ ゼ さんに いろいろ カ ンバ セ ー ショ ナル デザイン について 何でも 聞 ぜ みたいな ところを 予定 しております。 で その後 十 五 時から 十 五 で 一旦 終了 という 形で させて いただいて ちょっと 一応VoiceOutch。JP タ しか 記念 撮影 は 必 ですよね。 なので それ だけ させて いただいて その後 ちょっと 一 時間 ぐらい 簡単 にお 菓子 と 飲み 物を 用意 してます ので懇 会 というのを そのまま させて いただ こう と思っています。VoiceLunchJP について なんですけども ボ イス ラ は ボ イスUI とか 音声 関連 ですね そういった 技術 に 実際に 携 わ っている 人 もしくは 興味 がある 人 そっち のため の グロ ーバ ル な コミュニ ティ という形 になって いて ボ イス ラ の日本 リ ージョン という 形 が ボ イス ラ になってます と。 過去 も ずっと やって ますけど オンライン オフ ライン で いろんな 音声 のデ ザイン だったり 技術 だったり というところで 情報 とかを 共有 して みんなで 業 盛り 上げて いこう ぜ というような ことで やって おります。 で 今日 のハ ッシュ タグ ですね、 ーク ボ イ スタ ンHJP で いろいろ と 自由 に 付き 合 してください。 で あと 会 ですね 今回 グラ ニ カ 様 のお 声 で 利用 させて いただいて ます。 ありがとうございます。 で ぜひ こちらも シェ を お願い したり ですと。 で 今日 と 配信 のところ も いろいろ と やって いただいて ます って 非常に 感謝 しております。 でちょっと 今 ごめんなさい、 今 コロナ で 会 場 に来 られる 方 とかも あまり いない ということで されて ない んですけれども、 通常 は なんか ここで アイ オ ーティー 機 器 の とか ガ ジェ ット とかを 展 されている ような ので、 そういった もの がある とき 今度 ですね また 体験 してみて いただければ な と思っています というところで、 あと す いません トイレ がこちら で あと タ 座 れる 方は こちら のところ になってます んで よろしくお願いします。 はい ということで 最初の挨拶 は これで、 じゃあ まず 私 の方 のセ ッション から 分けて いただきます というところで、 ボ イス ロー アップ デート 二 千 二 十 二 というところで、 今年 の新 機能 について 少し お話 をします。 自己 紹介 です。 清 水 と 申 します。 神 戸 で インフ のエ ンジ ニア をやって ますので 普段 はKubernetes とかErabest とかTeLaHome とか を い って まして 最近 ちょっと フリ ーラ ンス になります。 でちょっと 調べて みたらVoiceflow 一番 最初に 始めた のが 二 千 十 九 年の 頭 ぐらい なんで 大体 四 年 弱 ぐらい ですね いろいろ と 触 って まして あと 音声 関連 のコ ミュニ ティ のところ では、VoiceLunchJP、 今回 のやつ ですね 以外 にAJAG、AmazonAlexa、Japan ユ ーザー グループ とか、 あとVoiceFlow の日本 語 ユ ーザー グループ ということで、VFJUG というのを やって います。 日本語 コミュニ ティ の方はFacebook の方で やって ますので、 もし よ ろし ければ 見て いただければ なと思います。 あと 二 年 ぐらい 前に ですね、 技術 書 店 の方で ここに 今日 スタッフ で 聞いて いただいて いる 皆さん と ですね 一緒に 同時に 作る ということで 作った んですけれども、 もう これ ちょっと 二 年 ぐらい 経 って 中 身 が だいぶ 古 くなって しま っているので、既に ちょっと 販売 は 使用 しております。 今日は ちょっと 持って きた かった んですけど、 それ 忘れて しまいました。 はい、 なんで こういう ことも やって います",
                                            "start": 1.52,
                                            "end": 269.13
                                        }
                                    ],
                                    "start": 1.52,
                                    "end": 269.13,
                                    "num_words": 646
                                }
                            ]
                        },
                        "languages": [
                            "ja"
                        ]
                    }
                ]
            }
        ]
    }
}

real	0m3.855s
user	0m0.279s
sys	0m0.065s

uv add pyaudio playsound3 sounddevice numpy

 + numpy==2.2.4
 + playsound3==3.2.3
 + pyaudio==0.2.14
 + sounddevice==0.5.1

from dotenv import load_dotenv
from time import sleep
import logging

from deepgram.utils import verboselogs

from deepgram import (
    DeepgramClient,
    DeepgramClientOptions,
    LiveTranscriptionEvents,
    LiveOptions,
    Microphone,
)

load_dotenv()

# 発話終了時に使用する is_final=true のメッセージを収集する
is_finals = []


def main():
    
    logging.basicConfig(
        level=logging.INFO,
        format='%(asctime)s %(levelname)s:%(message)s',
        handlers=[logging.StreamHandler()]
    )

    try:
        # クライアントの設定例。ログの値: WARNING, VERBOSE, DEBUG, SPAM
        # ```
        # config = DeepgramClientOptions(
        #     verbose=verboselogs.DEBUG, options={"keepalive": "true"}
        # )
        # deepgram: DeepgramClient = DeepgramClient("", config)
        # ```
        # 指定がない場合はデフォルトの設定を使用
        deepgram: DeepgramClient = DeepgramClient()

        dg_connection = deepgram.listen.websocket.v("1")

        def on_open(self, open, **kwargs):
            logging.info("接続開始")

        def on_message(self, result, **kwargs):
            global is_finals
            sentence = result.channel.alternatives[0].transcript
            if len(sentence) == 0:
                return
            if result.is_final:
                # 出力量が多いため、コメントアウトしている
                #logging.info(f"メッセージ: {result.to_json(indent=4, ensure_ascii=False)}")
                # これらを収集して、speech_final=true が得られたときに連結する必要がある。
                # ドキュメントを参照: https://developers.deepgram.com/docs/understand-endpointing-interim-results
                is_finals.append(sentence)

                # Speech Final は、発話終了を判断するための十分な無音を検出したことを意味する
                # Speech final は、エンドポイント値がトリガーされるとすぐにトリガーされるため、最も低いレイテンシの結果となる
                if result.speech_final:
                    utterance = " ".join(is_finals)
                    logging.info(f"最終認識結果: {utterance}")
                    is_finals = []
                else:
                    # これらは、発話内容をリアルタイム文字起こしする場合に役に立つ
                    logging.info(f"最終認識結果か？: {sentence}")
            else:
                # これらは、リアルタイム文字起こしで、中間結果を更新する場合に役に立つ
                logging.info(f"中間認識結果: {sentence}")

        def on_metadata(self, metadata, **kwargs):
            logging.info(f"メタデータ: {metadata}")

        def on_speech_started(self, speech_started, **kwargs):
            logging.info("発話開始")

        def on_utterance_end(self, utterance_end, **kwargs):
            logging.info("発話終了")
            global is_finals
            if len(is_finals) > 0:
                utterance = " ".join(is_finals)
                logging.info(f"発話終了: {utterance}")
                is_finals = []

        def on_close(self, close, **kwargs):
            logging.info("接続終了")

        def on_error(self, error, **kwargs):
            logging.error(f"エラー処理: {error}")

        def on_unhandled(self, unhandled, **kwargs):
            logging.error(f"未処理のWebSocketメッセージ: {unhandled}")

        dg_connection.on(LiveTranscriptionEvents.Open, on_open)
        dg_connection.on(LiveTranscriptionEvents.Transcript, on_message)
        dg_connection.on(LiveTranscriptionEvents.Metadata, on_metadata)
        dg_connection.on(LiveTranscriptionEvents.SpeechStarted, on_speech_started)
        dg_connection.on(LiveTranscriptionEvents.UtteranceEnd, on_utterance_end)
        dg_connection.on(LiveTranscriptionEvents.Close, on_close)
        dg_connection.on(LiveTranscriptionEvents.Error, on_error)
        dg_connection.on(LiveTranscriptionEvents.Unhandled, on_unhandled)

        options: LiveOptions = LiveOptions(
            model="nova-3",
            language="multi",
            # 出力に smart format を適用
            smart_format=True,
            # rawオーディオフォーマットの詳細
            encoding="linear16",
            channels=1,
            sample_rate=16000,
            # "UtteranceEnd" を取得するには、次の設定が必要
            interim_results=True,
            utterance_end_ms="1000",
            vad_events=True,
            # 発話終了を待つための無音の時間（ミリ秒）
            endpointing=300,
        )

        addons = {
            # 追加の数値を待つのを防ぐ
            "no_delay": "true"
        }

        logging.info("\n\nEnterキーを押して録音を停止...\n\n")
        if dg_connection.start(options, addons=addons) is False:
            logging.error("Deepgramへの接続に失敗しました")
            return

        # デフォルトの入力デバイスでマイクストリームを開く
        microphone = Microphone(dg_connection.send)

        # マイクストリームを開始
        microphone.start()

        # 終了するまで待つ
        input("")

        # マイクストリームを閉じる
        microphone.finish()

        # 終了を示す
        dg_connection.finish()

        logging.info("終了")
        # sleep(30)  # 30秒待って、追加のソケットアクティビティがあるかどうかを確認
        # print("Really done!")

    except Exception as e:
        logging.error(f"ソケットを開けませんでした: {e}")
        return


if __name__ == "__main__":
    main()

uv run streaming_from_mic.py

Attempting to set API key from environment variable
2025-04-20 03:27:45,227 INFO:Attempting to set API key from environment variable
2025-04-20 03:27:45,227 INFO:

Enterキーを押して録音を停止...


2025-04-20 03:27:45,886 INFO:接続開始
2025-04-20 03:27:48,076 INFO:発話開始
2025-04-20 03:27:49,122 INFO:中間認識結果: Chiamo, sin
2025-04-20 03:27:50,143 INFO:中間認識結果: 今日も 新 幹 線を ご 利用
2025-04-20 03:27:51,658 INFO:発話開始
2025-04-20 03:27:51,741 INFO:最終認識結果か？: 今日も 新 幹 線を ご 利用 ください まして
2025-04-20 03:27:52,201 INFO:中間認識結果: ありがとう
2025-04-20 03:27:53,282 INFO:最終認識結果: 今日も 新 幹 線を ご 利用 ください まして ありがとうございます。
2025-04-20 03:27:54,221 INFO:発話開始
2025-04-20 03:27:54,247 INFO:中間認識結果: この
2025-04-20 03:27:54,248 INFO:発話終了
2025-04-20 03:27:55,241 INFO:発話開始
2025-04-20 03:27:55,259 INFO:最終認識結果: この 電車 は
2025-04-20 03:27:56,286 INFO:中間認識結果: 号 と
2025-04-20 03:27:57,310 INFO:中間認識結果: 望 み 号 東京 駅
2025-04-20 03:27:57,828 INFO:最終認識結果: 望 み 号 東京 駅 です。
2025-04-20 03:27:58,827 INFO:発話開始
2025-04-20 03:27:58,845 INFO:中間認識結果: 途中
2025-04-20 03:28:00,362 INFO:発話開始
2025-04-20 03:28:00,384 INFO:最終認識結果: 途中の停 車 駅 は
2025-04-20 03:28:01,387 INFO:発話開始
2025-04-20 03:28:01,416 INFO:発話終了
2025-04-20 03:28:02,453 INFO:中間認識結果: 名 古 屋、 市
2025-04-20 03:28:03,473 INFO:中間認識結果: 名 古 屋 新 横 浜
2025-04-20 03:28:04,491 INFO:中間認識結果: 名 古 屋 新 横 浜 品 川
2025-04-20 03:28:05,569 INFO:最終認識結果: 名 古 屋 新 横 浜 品 川 です。
2025-04-20 03:28:05,995 INFO:発話開始
2025-04-20 03:28:06,542 INFO:中間認識結果: 電車 は
2025-04-20 03:28:07,558 INFO:中間認識結果: この 電車 は 遺 伝 跡 禁煙
2025-04-20 03:28:09,158 INFO:最終認識結果: この 電車 は 遺 伝 跡 禁煙 となって おり
2025-04-20 03:28:09,581 INFO:発話開始
2025-04-20 03:28:10,129 INFO:中間認識結果: こ を 吸 わ
2025-04-20 03:28:11,151 INFO:中間認識結果: お た ば こ を 吸 われる お客 様は
2025-04-20 03:28:12,197 INFO:中間認識結果: お た ば こ を 吸 われる お客 様は喫煙 ルーム を
2025-04-20 03:28:13,202 INFO:中間認識結果: お た ば こ を 吸 われる お客 様は喫煙 ルーム をご 利用 ください。
2025-04-20 03:28:13,736 INFO:最終認識結果: お た ば こ を 吸 われる お客 様は喫煙 ルーム をご 利用 ください。
2025-04-20 03:28:14,189 INFO:発話開始
2025-04-20 03:28:14,720 INFO:発話終了
2025-04-20 03:28:16,236 INFO:発話開始
2025-04-20 03:28:16,746 INFO:発話開始

2025-04-20 03:28:17,233 INFO:接続終了
2025-04-20 03:28:17,401 INFO:メタデータ: {
    "type": "Metadata",
    "transaction_key": "deprecated",
    "request_id": "38eb6951-d2f9-4797-add4-34f5c5ec7777",
    "sha256": "8afcb7fb89ff2dd70766ab124aa022bdd4102f1bbc90bd245522334fadec4b53",
    "created": "2025-04-19T18:27:45.799Z",
    "duration": 30.215376,
    "channels": 1,
    "models": [
        "8fc0d9e9-3a3c-4ed2-abb0-3704abc815d0"
    ],
    "model_info": {
        "8fc0d9e9-3a3c-4ed2-abb0-3704abc815d0": {
            "name": "general-nova-3",
            "version": "2025-02-22.5738",
            "arch": "nova-3"
        }
    }
}
2025-04-20 03:28:18,913 INFO:終了