Convert-AWSTranscribeJsonToText.ps1 - AWS TranscribeのJSON出力を適度にまとめつつテキストに変換

Convert-AWSTranscribeJsonToText.ps1

param (
    [string]$InputJson,   # 入力JSONファイル
    [string]$OutputTxt    # 出力テキストファイル
)

# JSONを読み込む
$data = Get-Content $InputJson | ConvertFrom-Json
$items = $data.results.items

# 整理された発話リスト
$groupedSpeeches = @()
$currentSpeech = $null

# 数値を h:mm:ss 形式に変換する関数
function ConvertTo-TimeFormat ($seconds) {
    $ts = [timespan]::FromSeconds([math]::Round($seconds))
    return "{0}:{1:D2}:{2:D2}" -f $ts.Hours, $ts.Minutes, $ts.Seconds
}

foreach ($item in $items) {
    if (-not $item.alternatives[0].content) { continue }
    
    $text = $item.alternatives[0].content
    $speaker = $item.speaker_label
    $startTime = if ($item.start_time) { [decimal]$item.start_time } else { $null }
    $endTime = if ($item.end_time) { [decimal]$item.end_time } else { $null }
    
    $isNewSpeech = $false
    
    if ($currentSpeech) {
        # 発話者が変わったら新しい発言とみなす
        if ($currentSpeech.speaker -ne $speaker) {
            $isNewSpeech = $true
        }
        
        # 前の発言の終了時刻と現在の発言の開始時刻の差が3秒以上なら新しい発言とみなす
        elseif ($currentSpeech.endTime -and $startTime -and (($startTime - $currentSpeech.endTime) -ge 3)) {
            $isNewSpeech = $true
        }
        
        # 前の発言が句点で終わっていたら新しい発言とみなす
        elseif ($currentSpeech.content -match '[。.]$') {
            $isNewSpeech = $true
        }
    } else {
        $isNewSpeech = $true
    }
    
    if ($isNewSpeech) {
        if ($currentSpeech) {
            $groupedSpeeches += $currentSpeech
        }
        $currentSpeech = [PSCustomObject]@{
            content = $text
            startTime = $startTime
            endTime = $endTime
            speaker = $speaker
        }
    } else {
        # 連結時のスペース処理
        if ($currentSpeech.content -match '[a-zA-Z0-9]$' -and $text -match '^[a-zA-Z0-9]') {
            $currentSpeech.content += ' '
        }
        $currentSpeech.content += $text
        
        # 開始時刻は最初のまま、終了時刻は更新
        if ($endTime) {
            $currentSpeech.endTime = $endTime
        }
    }
}

# 最後の発話を追加
if ($currentSpeech) {
    $groupedSpeeches += $currentSpeech
}

# 結果をファイルに出力
$output = ""
$previousSpeech = $null

foreach ($speech in $groupedSpeeches) {
    # 時刻を h:mm:ss に変換
    $startStr = if ($speech.startTime) { ConvertTo-TimeFormat $speech.startTime } else { "--:--:--" }
    $endStr = if ($speech.endTime) { ConvertTo-TimeFormat $speech.endTime } else { "--:--:--" }
    
    # 空行を挿入する条件
    if ($previousSpeech) {
        if ($speech.speaker -ne $previousSpeech.speaker -or ($speech.startTime - $previousSpeech.endTime -ge 3)) {
            $output += "`n"
        }
    }
    
    # 発話内容をフォーマット
    $output += "[$startStr - $endStr] $($speech.speaker): $($speech.content)`n"
    
    $previousSpeech = $speech
}

$output | Out-File -Encoding UTF8 $OutputTxt