speech_recognition_app : 日本語と英語対応の音声認識アプリ,Cursorのプロンプト入力用

speech_recognition_app.pyw

import os
import sys
import subprocess
import tkinter as tk
from tkinter import messagebox
import datetime

# フォルダパスの設定
ASSETS_DIR = os.path.join("misc", "assets")
OUTPUT_DIR = os.path.join("misc", "output")

# 必須ライブラリのリスト
REQUIRED_LIBRARIES = [
    ("speech_recognition", "speechrecognition"),
    ("pyperclip", "pyperclip"),
    ("pyaudio", "pyaudio")
]

def create_directories():
    """必要なディレクトリを作成する"""
    os.makedirs(ASSETS_DIR, exist_ok=True)
    os.makedirs(OUTPUT_DIR, exist_ok=True)

def check_and_install_libraries():
    """必須ライブラリの確認とインストールを行う"""
    for import_name, package_name in REQUIRED_LIBRARIES:
        try:
            __import__(import_name)
        except ImportError:
            print(f"{package_name} がインストールされていません。インストールを開始します...")
            try:
                subprocess.check_call([sys.executable, "-m", "pip", "install", package_name])
                print(f"{package_name} のインストールが完了しました。")
            except subprocess.CalledProcessError as e:
                print(f"{package_name} のインストールに失敗しました: {str(e)}")
                messagebox.showerror("エラー", f"{package_name} のインストールに失敗しました。手動でインストールしてください。")
                sys.exit(1)

# ディレクトリ作成
create_directories()

# ライブラリの確認とインストールを実行
check_and_install_libraries()

# 必要なライブラリをインポート
import speech_recognition as sr
import pyperclip

class SpeechRecognitionApp:
    def __init__(self, root):
        self.root = root
        self.root.title("音声認識アプリ")
        self.recognizer = sr.Recognizer()
        self.setup_ui()
        
    def setup_ui(self):
        # メインフレーム
        main_frame = tk.Frame(self.root, padx=10, pady=10)
        main_frame.pack(fill=tk.BOTH, expand=True)

        # 操作ボタンエリア
        button_frame = tk.Frame(main_frame)
        button_frame.pack(fill=tk.X, pady=5)

        # マイクボタン（美しいボタンにする）
        self.mic_icon = tk.PhotoImage(file=os.path.join(ASSETS_DIR, "mic_icon.png")).subsample(4, 4)
        self.mic_button = tk.Button(button_frame, image=self.mic_icon, 
                                  command=self.start_recognition,
                                  bd=0, highlightthickness=0, relief=tk.FLAT)
        self.mic_button.pack(side=tk.LEFT, padx=5)

        # キャンセルボタン（美しいボタンにする）
        self.cancel_icon = tk.PhotoImage(file=os.path.join(ASSETS_DIR, "cancel_icon.png")).subsample(4, 4)
        self.cancel_button = tk.Button(button_frame, image=self.cancel_icon,
                                     command=self.stop_recognition,
                                     bd=0, highlightthickness=0, relief=tk.FLAT)
        self.cancel_button.pack(side=tk.LEFT, padx=5)

        # 言語選択
        lang_frame = tk.Frame(main_frame)
        lang_frame.pack(fill=tk.X, pady=5)
        self.lang_var = tk.StringVar(value="ja-JP")
        tk.Radiobutton(lang_frame, text="日本語", variable=self.lang_var, value="ja-JP").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="英語", variable=self.lang_var, value="en-US").pack(side=tk.LEFT)
        # 追加言語
        tk.Radiobutton(lang_frame, text="中国語", variable=self.lang_var, value="zh-CN").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="スペイン語", variable=self.lang_var, value="es-ES").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="ヒンディー語", variable=self.lang_var, value="hi-IN").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="アラビア語", variable=self.lang_var, value="ar-SA").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="ポルトガル語", variable=self.lang_var, value="pt-BR").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="ロシア語", variable=self.lang_var, value="ru-RU").pack(side=tk.LEFT)
        tk.Radiobutton(lang_frame, text="フランス語", variable=self.lang_var, value="fr-FR").pack(side=tk.LEFT)

        # テキスト表示エリア
        self.text_area = tk.Text(main_frame, height=10, wrap=tk.WORD)
        self.text_area.pack(fill=tk.BOTH, expand=True, pady=5)

        # ログ表示エリア
        self.log_area = tk.Text(main_frame, height=5, wrap=tk.WORD, state=tk.DISABLED)
        self.log_area.pack(fill=tk.BOTH, expand=True, pady=5)

        # 下部ボタンエリア
        bottom_frame = tk.Frame(main_frame)
        bottom_frame.pack(fill=tk.X, pady=5)

        # クリアボタン
        self.clear_text_button = tk.Button(bottom_frame, text="テキストをクリア",
                                         command=self.clear_text)
        self.clear_text_button.pack(side=tk.LEFT, padx=5)

        self.clear_log_button = tk.Button(bottom_frame, text="ログをクリア",
                                        command=self.clear_log)
        self.clear_log_button.pack(side=tk.LEFT, padx=5)

        # コピーボタン
        self.copy_button = tk.Button(bottom_frame, text="クリップボードにコピー", command=self.copy_to_clipboard)
        self.copy_button.pack(side=tk.LEFT, padx=5)

        # 保存ボタン
        self.save_button = tk.Button(bottom_frame, text="ファイルに保存", command=self.save_to_file)
        self.save_button.pack(side=tk.LEFT, padx=5)

        # 終了ボタン
        self.exit_button = tk.Button(bottom_frame, text="終了", command=self.exit_app)
        self.exit_button.pack(side=tk.RIGHT)
        
    def start_recognition(self):
        # 別スレッドで音声認識を開始
        import threading
        threading.Thread(target=self._recognition_thread, daemon=True).start()

    def _recognition_thread(self):
        self.update_log("音声認識を開始しました")
        self.mic_button.config(state=tk.DISABLED)  # ボタンを無効化
        
        try:
            with sr.Microphone() as source:
                self.recognizer.adjust_for_ambient_noise(source)
                self.update_log("ノイズ調整完了。話してください...")
                
                # 音声認識の設定を調整
                self.recognizer.pause_threshold = 3  # 3秒の沈黙で終了
                self.recognizer.phrase_time_limit = 90  # 最大90秒間の音声認識
                audio = self.recognizer.listen(source)
                self.update_log("音声を認識中...")
                
                selected_lang = self.lang_var.get()
                text = self.recognizer.recognize_google(audio, language=selected_lang)
                
                self.text_area.insert(tk.END, text + "\n")
                self.update_log(f"認識結果: {text}")
                pyperclip.copy(text)
                self.update_log("クリップボードにコピーしました")
                
        except sr.WaitTimeoutError:
            self.update_log("タイムアウト: 音声が検出されませんでした")
        except sr.UnknownValueError:
            self.update_log("エラー: 音声を認識できませんでした")
        except sr.RequestError as e:
            self.update_log(f"エラー: 音声認識サービスに接続できませんでした - {str(e)}")
        except Exception as e:
            self.update_log(f"予期せぬエラーが発生しました: {str(e)}")
        finally:
            self.mic_button.config(state=tk.NORMAL)  # ボタンを有効化

    def stop_recognition(self):
        self.update_log("音声認識を停止しました")
        # ここに音声認識を停止する処理を追加
        # （現状のspeech_recognitionライブラリでは強制停止機能がないため、
        # 主にユーザーへのフィードバックとして使用）

    def update_log(self, message):
        # ログエリアにメッセージを追加
        self.log_area.config(state=tk.NORMAL)
        self.log_area.insert(tk.END, f"[{datetime.datetime.now().strftime('%H:%M:%S')}] {message}\n")
        self.log_area.config(state=tk.DISABLED)
        self.log_area.see(tk.END)  # 最新のログを表示

    def copy_to_clipboard(self):
        # テキストエリアの内容を取得
        text = self.text_area.get("1.0", tk.END).strip()
        
        if text:
            # クリップボードにコピー
            pyperclip.copy(text)
            self.update_log("クリップボードにコピーしました")
            messagebox.showinfo("成功", "クリップボードにコピーしました")
        else:
            self.update_log("コピーするテキストがありません")
            messagebox.showwarning("警告", "コピーするテキストがありません")

    def save_to_file(self):
        # テキストエリアの内容を取得
        text = self.text_area.get("1.0", tk.END).strip()
        
        if text:
            try:
                # ファイル名をタイムスタンプで生成
                timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
                filename = os.path.join(OUTPUT_DIR, f"speech_output_{timestamp}.txt")
                
                # ファイルに保存
                with open(filename, "w", encoding="utf-8") as f:
                    f.write(text)
                
                self.update_log(f"ファイルに保存しました: {filename}")
                messagebox.showinfo("成功", f"ファイルに保存しました: {filename}")
            except Exception as e:
                self.update_log(f"ファイル保存エラー: {str(e)}")
                messagebox.showerror("エラー", f"ファイル保存に失敗しました: {str(e)}")
        else:
            self.update_log("保存するテキストがありません")
            messagebox.showwarning("警告", "保存するテキストがありません")

    def exit_app(self):
        # 終了確認
        if messagebox.askokcancel("終了", "本当に終了しますか？"):
            self.root.quit()

    def clear_text(self):
        self.text_area.delete("1.0", tk.END)
        self.update_log("テキストをクリアしました")

    def clear_log(self):
        self.log_area.config(state=tk.NORMAL)
        self.log_area.delete("1.0", tk.END)
        self.log_area.config(state=tk.DISABLED)
        self.update_log("ログをクリアしました")

if __name__ == "__main__":
    root = tk.Tk()
    app = SpeechRecognitionApp(root)
    root.mainloop() 

mic_icon.pngとcancel_icon.pngが必要。