Speech-to-Text / Text-to-Speech / Translation API

GCP の音声・言語 AI は Speech-to-Text、Text-to-Speech、Translation API の 3 つを中心に構成されます。 Chirp 2 (USM)、WaveNet / Journey TTS、Translation V3 は業界トップクラスの精度と多言語対応で、グローバルアプリの音声・翻訳機能の標準ツールです。

Speech-to-Text (STT) モデル

STT サンプル (リアルタイム)

from google.cloud import speech_v2 as speech

client = speech.SpeechClient()

config = speech.RecognitionConfig(
    auto_decoding_config=speech.AutoDetectDecodingConfig(),
    language_codes=["ja-JP"],
    model="chirp_2",
)
streaming_config = speech.StreamingRecognitionConfig(config=config)
config_request = speech.StreamingRecognizeRequest(
    recognizer=f"projects/PROJECT/locations/asia-northeast1/recognizers/_",
    streaming_config=streaming_config,
)

def audio_generator():
    yield config_request
    for chunk in audio_stream:  # マイク等から
        yield speech.StreamingRecognizeRequest(audio=chunk)

for response in client.streaming_recognize(requests=audio_generator()):
    for result in response.results:
        print(result.alternatives[0].transcript)

Text-to-Speech (TTS) 音声タイプ

TTS サンプル

from google.cloud import texttospeech

client = texttospeech.TextToSpeechClient()
text = "こんにちは、世界"

synthesis_input = texttospeech.SynthesisInput(text=text)
voice = texttospeech.VoiceSelectionParams(
    language_code="ja-JP",
    name="ja-JP-Neural2-B",
)
audio_config = texttospeech.AudioConfig(
    audio_encoding=texttospeech.AudioEncoding.MP3,
)

response = client.synthesize_speech(
    input=synthesis_input, voice=voice, audio_config=audio_config
)
with open("output.mp3", "wb") as out:
    out.write(response.audio_content)

Translation API V3 (Advanced)

• 翻訳: 100+ 言語ペア、ニューラル機械翻訳
• バッチ翻訳: 大量ファイル一括処理 (GCS 経由)
• Glossary: 専門用語・固有名詞の翻訳統制
• AutoML Translation: 業界特化カスタムモデル
• Adaptive Translation: ドメイン適応翻訳 (Adaptive MT)
• Document Translation: PDF / Word / PPT のフォーマット保持翻訳

料金 (Translation, 2026)

他クラウド比較

典型的なユースケース

• 会議議事録自動化 (STT + Gemini で要約)
• コールセンター文字起こし + 感情分析
• 動画字幕生成 (STT + Translation で多言語字幕)
• 多言語 IVR (STT + Translation + TTS)
• e-Learning 音声教材 (TTS Studio)
• EC 商品説明の多言語化 (Translation + Glossary)
• 音声ナビゲーション (TTS Journey)

※ Google Cloud は Google LLC の商標です。最新情報は Speech-to-Text 公式 をご確認ください。