Google Cloud STT 결과 텍스트파일로 추출하기

이번 포스팅에서는 이전 포스팅에서 구글 STT 소프트웨어를 통해 얻은 결과파일(.json)을 텍스트(.txt) 파일로 추출하는 방법에 대해 다룰 것이다.

이것 역시 이전 글과 마찬가지로 상당부분 같은 기술블로그를 참고해서 작성하였다.

[블로그 링크] google cloud platform을 이용하여 speech-to-text로 음성을 텍스트로 변환해보자

Python을 이용하여 필요한 내용 추출

.json 파일 구조

• STT 결과로 얻은 .json 파일 구조는 아래와 같다.

"response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeResponse",
    "results": [
      {
        "alternatives": [
          {
            "confidence": 0.47926497,
            "transcript": "이건희 핸드폰"
          }
        ],
        "channelTag": 1,
        "languageCode": "ko-kr",
        "resultEndTime": "7.710s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.6483066,
            "transcript": "이건 여기 핸드폰"
          }
        ],
        "channelTag": 2,
        "languageCode": "ko-kr",
        "resultEndTime": "14.130s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.92365956,
            "transcript": " 아"
          }
        ],
        "channelTag": 2,
        "languageCode": "ko-kr",
        "resultEndTime": "35.480s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.92365956,
            "transcript": " 아"
          }
        ],
        "channelTag": 1,
        "languageCode": "ko-kr",
        "resultEndTime": "35.540s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.88758534,
            "transcript": " 너 오른쪽 왼쪽 알아"
          }
        ],
        "channelTag": 2,
        "languageCode": "ko-kr",
        "resultEndTime": "43.030s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.87635326,
            "transcript": " 너 오른쪽 왼쪽 알아 알아요 왼쪽 오른쪽 오 잘하네 야 그럼 너 혼자 가게 가서 초콜릿 과자 있단 거 산 적 있어"
          }
        ],
        "channelTag": 1,
        "languageCode": "ko-kr",
        "resultEndTime": "53.630s"
      },
      {
        "alternatives": [
          {
            "confidence": 0.83036506,
            "transcript": " 알아요 왼쪽 오른쪽 잘하네 야 그럼 너 혼자 가게 가서 초콜릿 과자 있단 거 산 적 있어"
          }
        ],
        "channelTag": 2,
        "languageCode": "ko-kr",
        "resultEndTime": "53.830s"
      },

• 가지고 있는 데이터가 stereo 타입이었기 때문에 2개의 채널에 대한 결과가 나오는 것을 확인할 수 있다. 따라서 두 채널 중에 정확도(confidence)가 상대적으로 더 높은 1번 채널의 결과만을 추출하기로 결정했다.
• STT가 진행된 구간을 함께 파악하고 싶어서 “resultEndTime”의 결과를 이용해서 각 stt 결과를 구간과 함께 작성할 수 있도록 했다.
• 한 줄로 길게 입력되는 경우 가독성이 떨어지는 문제가 있어서 단어 10개 정도마다 개행문자를 추가해서 출력하여 이를 보완하기로 했다.

python 코드

• 아래는 .txt 파일로 추출하는 코드이다. 상당부분은 위에서 언급한 블로그 코드를 참고했다.

import argparse
import io
import json


def parsing(filepath):

    fileToWrite = open(filepath[0:-4]+"txt", "w")

    with open(filepath, 'rt', encoding="UTF-8") as json_file:
        data = json.load(json_file)
        i = 1
        idx = 1
        start_time = "0.000s"
        for alts in data['response']['results']:
            if i%2==0: # 1번 채널만 선택
                i += 1
                continue
            fileToWrite.write(str(idx) + " : ")
            fileToWrite.write(start_time + " ~ ")
            end_time = str(alts['resultEndTime'])
            fileToWrite.write(end_time)
            fileToWrite.write("\n")
            start_time = end_time
            # fileToWrite.write(str(alts['alternatives'][0]['transcript']))
            txt = str(alts['alternatives'][0]['transcript']).split()
            cnt = 0
            for token in txt:
                if cnt == 10:
                    fileToWrite.write("\n")
                    cnt = 0
                fileToWrite.write(token)
                fileToWrite.write(" ")
                cnt += 1
            fileToWrite.write("\n\n\n")
            i += 1
            idx += 1

    fileToWrite.close()


if __name__ == '__main__':
    parser = argparse.ArgumentParser(
        description=__doc__,
        formatter_class=argparse.RawDescriptionHelpFormatter)
    parser.add_argument(
        'path', help='File or GDX path for audio file to be recognized')
    args = parser.parse_args()
    parsing(args.path)