229 lines
6.7 KiB
Markdown
229 lines
6.7 KiB
Markdown
# transcription_languages.py - 音声認識言語マッピング
|
||
|
||
## 概要
|
||
|
||
音声認識エンジンが対応する言語コードのマッピングテーブルを提供するモジュールです。異なる音声認識エンジンの言語コード仕様の差異を吸収し、統一的なインターフェースを提供します。
|
||
|
||
## 主要機能
|
||
|
||
### 言語マッピングテーブル
|
||
- 表示用言語名から各エンジン固有の言語コードへの変換
|
||
- 国・地域固有の言語バリエーション対応
|
||
- 複数音声認識エンジンの統一的な言語管理
|
||
|
||
### 対応エンジン
|
||
- Google Speech Recognition
|
||
- OpenAI Whisper（faster-whisper）
|
||
- その他の音声認識エンジン
|
||
|
||
## データ構造
|
||
|
||
### transcription_lang
|
||
```python
|
||
transcription_lang: Dict[str, List[Dict[str, str]]]
|
||
```
|
||
|
||
言語とその地域バリエーションのマッピング
|
||
|
||
```python
|
||
transcription_lang = {
|
||
"English": [
|
||
{"country": "United States", "google_language_code": "en-US"},
|
||
{"country": "United Kingdom", "google_language_code": "en-GB"},
|
||
{"country": "Australia", "google_language_code": "en-AU"}
|
||
],
|
||
"Japanese": [
|
||
{"country": "Japan", "google_language_code": "ja-JP"}
|
||
],
|
||
"Korean": [
|
||
{"country": "South Korea", "google_language_code": "ko-KR"}
|
||
]
|
||
}
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 基本的な言語コード取得
|
||
|
||
```python
|
||
from models.transcription.transcription_languages import transcription_lang
|
||
|
||
# 日本語の言語コード取得
|
||
japanese_codes = transcription_lang.get("Japanese", [])
|
||
if japanese_codes:
|
||
code = japanese_codes[0]["google_language_code"] # "ja-JP"
|
||
|
||
# 英語の地域別言語コード取得
|
||
english_codes = transcription_lang.get("English", [])
|
||
for region in english_codes:
|
||
print(f"{region['country']}: {region['google_language_code']}")
|
||
```
|
||
|
||
### 利用可能言語の一覧取得
|
||
|
||
```python
|
||
# 対応言語の一覧
|
||
supported_languages = list(transcription_lang.keys())
|
||
print(f"対応言語: {supported_languages}")
|
||
|
||
# 言語と国の組み合わせ一覧
|
||
language_country_pairs = []
|
||
for lang, countries in transcription_lang.items():
|
||
for country_data in countries:
|
||
language_country_pairs.append({
|
||
"language": lang,
|
||
"country": country_data["country"],
|
||
"code": country_data["google_language_code"]
|
||
})
|
||
```
|
||
|
||
### 翻訳システムとの連携
|
||
|
||
```python
|
||
# 翻訳システムで対応している言語の確認
|
||
from models.translation.translation_languages import translation_lang
|
||
|
||
transcription_langs = list(transcription_lang.keys())
|
||
translation_langs = []
|
||
for engine in translation_lang.keys():
|
||
translation_langs.extend(translation_lang[engine]["source"].keys())
|
||
|
||
# 音声認識と翻訳の両方で対応している言語
|
||
supported_langs = list(filter(lambda x: x in transcription_langs, translation_langs))
|
||
```
|
||
|
||
## 主要対応言語
|
||
|
||
### 西欧言語
|
||
- **English**: US, UK, Australia, Canada, India, South Africa
|
||
- **Spanish**: Spain, Mexico, Argentina, Colombia
|
||
- **French**: France, Canada, Belgium
|
||
- **German**: Germany, Austria, Switzerland
|
||
- **Italian**: Italy
|
||
- **Portuguese**: Brazil, Portugal
|
||
|
||
### アジア言語
|
||
- **Japanese**: Japan
|
||
- **Korean**: South Korea
|
||
- **Chinese**: China (Simplified), Taiwan (Traditional), Hong Kong
|
||
- **Thai**: Thailand
|
||
- **Vietnamese**: Vietnam
|
||
|
||
### その他の言語
|
||
- **Russian**: Russia
|
||
- **Arabic**: Saudi Arabia, UAE, Egypt
|
||
- **Hindi**: India
|
||
- **Dutch**: Netherlands
|
||
- **Swedish**: Sweden
|
||
- **Norwegian**: Norway
|
||
|
||
## エンジン別言語コード形式
|
||
|
||
### Google Speech Recognition
|
||
- RFC 5646準拠の言語タグ形式
|
||
- 例: "ja-JP", "en-US", "zh-CN"
|
||
|
||
### OpenAI Whisper
|
||
- ISO 639-1言語コード（2文字）
|
||
- 例: "ja", "en", "zh"
|
||
|
||
### その他のエンジン
|
||
- エンジン固有の形式に対応
|
||
- マッピングテーブルによる変換
|
||
|
||
## 地域対応
|
||
|
||
### 同一言語の地域別対応
|
||
```python
|
||
# 英語の地域バリエーション
|
||
"English": [
|
||
{"country": "United States", "google_language_code": "en-US"},
|
||
{"country": "United Kingdom", "google_language_code": "en-GB"},
|
||
{"country": "Australia", "google_language_code": "en-AU"},
|
||
{"country": "Canada", "google_language_code": "en-CA"},
|
||
{"country": "India", "google_language_code": "en-IN"}
|
||
]
|
||
```
|
||
|
||
### 方言・変種対応
|
||
```python
|
||
# 中国語の簡体字・繁体字対応
|
||
"Chinese Simplified": [
|
||
{"country": "China", "google_language_code": "zh-CN"}
|
||
],
|
||
"Chinese Traditional": [
|
||
{"country": "Taiwan", "google_language_code": "zh-TW"},
|
||
{"country": "Hong Kong", "google_language_code": "zh-HK"}
|
||
]
|
||
```
|
||
|
||
## 統合利用
|
||
|
||
### VRCTでの利用例
|
||
|
||
```python
|
||
def get_supported_transcription_languages():
|
||
"""音声認識対応言語の取得"""
|
||
languages = []
|
||
for language, countries in transcription_lang.items():
|
||
for country_data in countries:
|
||
languages.append({
|
||
"language": language,
|
||
"country": country_data["country"],
|
||
"display_name": f"{language} ({country_data['country']})",
|
||
"code": country_data["google_language_code"]
|
||
})
|
||
return languages
|
||
```
|
||
|
||
### エラーハンドリング
|
||
|
||
```python
|
||
def get_language_code(language: str, country: str = None) -> str:
|
||
"""安全な言語コード取得"""
|
||
try:
|
||
countries = transcription_lang.get(language, [])
|
||
if not countries:
|
||
return "en-US" # フォールバック
|
||
|
||
if country:
|
||
for country_data in countries:
|
||
if country_data["country"] == country:
|
||
return country_data["google_language_code"]
|
||
|
||
# 国指定なしまたは見つからない場合は最初の項目を返す
|
||
return countries[0]["google_language_code"]
|
||
except (KeyError, IndexError):
|
||
return "en-US" # エラー時のフォールバック
|
||
```
|
||
|
||
## 拡張性
|
||
|
||
### 新言語の追加
|
||
```python
|
||
# 新しい言語の追加例
|
||
transcription_lang["Turkish"] = [
|
||
{"country": "Turkey", "google_language_code": "tr-TR"}
|
||
]
|
||
```
|
||
|
||
### 新エンジンへの対応
|
||
```python
|
||
# 新しいエンジンのコードフィールドを追加
|
||
transcription_lang["English"][0]["azure_language_code"] = "en-US"
|
||
transcription_lang["English"][0]["aws_language_code"] = "en-US"
|
||
```
|
||
|
||
## 注意事項
|
||
|
||
- 言語コードは各エンジンの仕様に依存
|
||
- 新しいエンジン追加時は対応コードの追加が必要
|
||
- 地域固有の音声認識精度差に注意
|
||
- エンジンによってサポート言語が異なる場合がある
|
||
|
||
## 関連モジュール
|
||
|
||
- `transcription_transcriber.py`: 音声認識エンジン本体
|
||
- `translation_languages.py`: 翻訳エンジン言語マッピング
|
||
- `config.py`: 言語設定管理
|
||
- `controller.py`: 言語選択UI制御 |