マイク音声からテキスト化（Azure）C＃
ラジオの音声をマイクで拾いながら実行。曲の歌詞は、難しいようです。会話は、うまくテキスト化できました。終了は、無音のタイミングで”１２３４５”と発声すると終了し、テキストボックスに表示されます。アプリの実行フォルダーにテキストデータ（ファイル名は、TEXT。内容は、追記されます。）が作成されます。
ＴＶの音声をマイクで拾いながら実行。大リーグの中継実況は、うまくテキスト化できました。終了は、無音のタイミングで”onetwothreefourfive”と発声すると終了し、テキストボックスに表示されます。アプリの実行フォルダーにテキストデータ（ファイル名は、TEXT。内容は、追記されます。）が作成されます。
音声テキスト変換の概要
Foundry Tools サービスの Azure Speech は、高度な音声テキスト変換機能を提供します。 この機能では、リアルタイムおよびバッチの両方の文字起こしをサポートしており、オーディオ ストリームをテキストに変換するための汎用性の高いソリューションを実現できます。
リアルタイム文字起こし
リアルタイムの音声テキスト変換では、マイクまたはファイルからオーディオを認識すると、その文字起こしを行います。
Microsoft Azure AI Speech SDKを使用するこれには、Azure Portal での Azure Speech リソースの設定、資格情報の取得、
SpeechRecognizerC# アプリケーションでの SDK のクラスの使用が含まれます。
- Azure アカウントと音声リソース:
- 有効な Azure サブスクリプションが必要です。無料で作成できます。
- Azure ポータルで、新しい「Speech」サービス リソースを作成します。
- 作成したら、リソースの「キーとエンドポイント」セクションに移動し、キー 1 またはキー 2 とエンドポイントをコピーします。
- 開発環境:
- 適切な Microsoft Visual C++ 再頒布可能パッケージがインストールされたVisual Studio (2015、2017、2019、または 2022) 。
- 互換性のある .NET プラットフォーム (.NET Core、.NET 5+、.NET Standard 2.0 など) を対象とする C# プロジェクト。
- Microsoft.CognitiveServices.Speech NuGet パッケージをインストールします。NuGet パッケージ マネージャー コンソールからインストールできます。
Form1
Microsoft.CognitiveServices.Speechのバージョンは、1.47ではなく1.45を導入。Ｆｏｒｍにて、1.47はSpeechConfig実行時にエラーが出て処理できません。(2025-12-11時点で)
Form1.cs
using Microsoft.CognitiveServices.Speech;
using Microsoft.CognitiveServices.Speech.Audio;
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Net;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using static System.Windows.Forms.VisualStyles.VisualStyleElement;
namespace MicToTextW
{
public partial class Form1 : Form
{
private SpeechRecognizer recognizer;
private static string SpeechKey = "3magad*********************************** "; // Replace with your key
private static string Endpoint = "https://japan*****************************t.com/"; // Replace with your region (e.g., "westus")
private static string Language = "ja-JP";
//翻訳言語の設定
String[] Gengo = new String[6] { "01", "ja-JP", "日本語", "02", "en-US", "英語" };
//コンソール表示設定
[System.Runtime.InteropServices.DllImport("kernel32.dll")]
private static extern bool AllocConsole();
public Form1()
{
InitializeComponent();
//コンソール表示
AllocConsole();
textBox2.Text = SpeechKey;
textBox3.Text = Endpoint;
for (int i = 2; i < Gengo.Length; i = i + 3)
{
//Console.WriteLine("{0}番目の要素の値は{1}です。", i + 1, Gengo[i]);
// コンボボックスに項目を追加する
comboBox1.Items.Add(Gengo[i]);
}
// 初期値を設定する（日本語を選択する）
comboBox1.SelectedIndex = 0;
}
private async void button1_Click(object sender, EventArgs e)
{
SpeechKey = textBox2.Text;
Endpoint = textBox3.Text;
Language = Gengo[comboBox1.SelectedIndex * 3 + 1];
button1.Enabled = false;
textBox1.Text += await FromMic();
button1.Enabled = true;
}
async static Task<string> FromMic()
{
//string Endpoint = "https://japaneast****************************";
//string SpeechKey = "3maga***************************************";
var speechConfig = SpeechConfig.FromEndpoint(new Uri(Endpoint), SpeechKey);
speechConfig.SpeechRecognitionLanguage = Language; //language; //"ja-JP","en-US";
var stopRecognition = new TaskCompletionSource<int>();
var sb = new StringBuilder();
Console.WriteLine("Speak into your microphone.");
using (var audioConfig = AudioConfig.FromDefaultMicrophoneInput())
{
using (var speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig))
{
speechRecognizer.Recognized += (s, e) =>
{
if (e.Result.Reason == ResultReason.RecognizedSpeech)
{
Console.WriteLine($"RECOGNIZED: Text={e.Result.Text}");
sb.Append(e.Result.Text + "\r\n");
File.AppendAllText(System.IO.Directory.GetCurrentDirectory() + @"\Text.txt", e.Result.Text + "\r\n");
//音声入力の終了の言葉か判断します。
if (IsStopWord(e.Result.Text))
{
stopRecognition.TrySetResult(0);
}
}
else if (e.Result.Reason == ResultReason.NoMatch)
{
Console.WriteLine($"NOMATCH: Speech could not be recognized.");
}
};
speechRecognizer.Canceled += (s, e) =>
{
Console.WriteLine($"CANCELED: Reason={e.Reason}");
if (e.Reason == CancellationReason.Error)
{
Console.WriteLine($"CANCELED: ErrorCode={e.ErrorCode}");
Console.WriteLine($"CANCELED: ErrorDetails={e.ErrorDetails}");
Console.WriteLine($"CANCELED: Did you set the speech resource key and endpoint values?");
}
stopRecognition.TrySetResult(0);
};
speechRecognizer.SessionStopped += (s, e) =>
{
Console.WriteLine("\n Session stopped event.");
stopRecognition.TrySetResult(0);
};
// Starts continuous recognition. Uses StopContinuousRecognitionAsync() to stop recognition.
await speechRecognizer.StartContinuousRecognitionAsync().ConfigureAwait(false);
// Waits for completion.
// Use Task.WaitAny to keep the task rooted.
Task.WaitAny(new[] { stopRecognition.Task });
await speechRecognizer.StopContinuousRecognitionAsync().ConfigureAwait(false);
}
}
return sb.ToString();
}
//音声入力終了用の合言葉 12345 英語の場合は、onetwothreefourfive
private static bool IsStopWord(string message)
{
return message == "12345。" || message == "12345.";
}
private void button3_Click(object sender, EventArgs e)
{
textBox1.Text = "";
}
private void button2_Click(object sender, EventArgs e)
{
this.Close();
}
/* SpeechConfigのチェック
// Azureポータルから取得したエンドポイントURIとサブスクリプションキーを設定します
// string Endpoint = "https://japaneast****************************";
// string SpeechKey = "3magad***********************************";
try
{
// FromEndpoint メソッドを使用して SpeechConfig インスタンスを作成します
// エンドポイントURIは Uri 型で指定します
var config = SpeechConfig.FromEndpoint(new Uri(Endpoint), SpeechKey);
// 必要に応じて、他のプロパティ（例: 言語）を設定します
// config.SpeechRecognitionLanguage = "ja-JP";
// SpeechConfig を使用して他の Speech SDK オブジェクト (例: SpeechRecognizer) を作成し、処理を続行します
// ... (例: using var recognizer = new SpeechRecognizer(config); )
MessageBox.Show("SpeechConfig が正常に作成されました。");
}
catch (Exception ex)
{
MessageBox.Show($"エラーが発生しました: {ex.Message}");
}
*/
}
}
