MacOSの音声入力機能をCLIアプリから利用する方法について

###前提・実現したいこと
音声認識で得た日本語の入力結果に対して様々な処理を施すプログラムを、CLI上でPython言語を用い、MacOSを対象動作環境として書いています。
音声認識モジュールには様々な選択肢がありますが、フリーであるものの認識精度に乏しい、あるいはWebAPIを通すために必ずネット接続が要求されるなどの制約があります。
そこでいま、MacOS 10.9 (Mavericks) より搭載されている拡張音声入力（Enhanced Dictation）機能に注目しています。音声入力機能自体は10.8 (Mountain Lion) からの実装ですが、10.9以降のそれはオフラインで使用することができます。また認識精度も十分満足できるものです。

###課題

本質問の主旨は、（拡張）音声入力機能を「音声入力の結果のみに基づいて入力を終了する」形でCLIアプリから使用することは可能か、もし可能であればどのような手法で出来るか、というものになります。要件としては、

MacOSの音声入力機能（出来れば，「拡張音声入力」）を使用してディクテーションを行う。
Pythonプログラムによる呼び出し及び出力の受取りが可能である。（標準入出力でsubprocess.Popenやsubprocess.PIPEを利用できればよいです）
何らかの命令音声あるいは無音区間の入力によりディクテーションを終了する。（キーボードによる操作を経ない）

このようなプログラムの実装を準備しています（言語はSwift又はObjective-Cを予定）。その実装のためには、Dictationに関係するAPIを発見し、それを利用できればと思っているのですが、未だ具体的なものが見つかりません。情報やヒントをおもちの方に、何卒ご提供頂ければ幸いです。

###これまでに調査したこと

dictation機能はInput Methodの一つとして、DictationIM.appという独立したアプリケーションの形で実装されている（と思われる）。デーモン動作しているプロセスは、/System/Library/Input Methods/DictationIM.app/Contents/MacOS/DictationIM
Apple Developerでdictation及びspeech inputというクエリで検索を行ったが、macOSのCocoa APIに直接関連した記事がヒットしない。OS X Developer Release Notes: Cocoa Application Framework (10.11 and Earlier)という文書にNSTextAlternativesに関する説明があったが、「厳密にはdictationに結びつけられていない」旨の記載がある

以上、どのような情報でもご教示頂けますと幸いです。

行動規範の内容に同意します

回答1件

ベストアンサー

このソースをmacOSのコマンドアプリにすればいいんじゃないでしょうか。

macOS10.10以降で利用可能なNSSpeechRecognizerを利用しています。

https://gist.github.com/bellbind/xxx

投稿2016/12/21 13:50

pebble8888

総合スコア390

tuu_yaa

2016/12/22 05:05

ありがとうございます。 Swift 3に修正して、動作させてみました。このプログラムでは、"Hello", "こんにちは", "Bonjour", "你好" をコマンドとして登録してそれらの語彙のみを認識対象として受け付けています。ディクテーション機能までは起動していないことを動作させてみて確認しました。ディクテーションに関するクラス等APIがまだ見つからないので、もしかすると純正の音声入力機能をFnキー2回連打などで起動させて、入力発話の終わりに何らかのコマンドを入力して入力を終了させる方法になるのかもしれません。