リアルタイムの音声文字起こしが可能なWebアプリケーションです。マイクからの直接入力または音声ファイルのアップロードに対応しており、OpenAI GPT-4のAudioモデルを使用して高精度な文字起こしを実現します。

• 🎤 マイクを使用したリアルタイム音声録音と文字起こし
• 📁 音声ファイル（MP3）のアップロードによる文字起こし
• 🔊 録音した音声の再生機能
• 🇯🇵 日本語の音声に対応

• Python 3.13以上
• ffmpeg（音声変換用）
• OpenAI APIキー
• LangSmith API設定（オプション）
• uv（パッケージマネージャー）

1. リポジトリのクローン:

git clone [リポジトリURL]
cd stt-tts-example

2. 依存パッケージのインストール:

uv sync

3. ffmpegのインストール:

• Windows: wingetを使用してインストール

winget install ffmpeg

• macOS: Homebrewを使用してインストール

brew install ffmpeg

1. .env.exampleを.envにコピー:

cp .env.example .env

2. .envファイルを編集し、必要な環境変数を設定:

OPENAI_API_KEY="your-api-key-here"
AZURE_OPENAI_ENDPOINT="https://your-resource-name.openai.azure.com/"
AZURE_OPENAI_API_KEY="your-azure-openai-api-key-here"
AZURE_OPENAI_API_VERSION="2025-01-01-preview"
AZURE_OPENAI_DEPLOYMENT_NAME="your-deployment-name"
LANGSMITH_TRACING="true"  # オプション
LANGSMITH_ENDPOINT="https://api.smith.langchain.com"  # オプション
LANGSMITH_API_KEY="your-langsmith-api-key"  # オプション
LANGSMITH_PROJECT="your-project-name"  # オプション

1. アプリケーションの起動:

export UV_ENV_FILE=.env
uv run streamlit run app.py

2. ブラウザでhttp://localhost:8501を開く

3. 入力方法を選択:

   • 「マイクでリアルタイム文字起こし」: マイクボタンをクリックして録音を開始/停止
   • 「音声ファイルをアップロード」: MP3ファイルをドラッグ&ドロップまたは選択

4. 文字起こし結果が画面に表示されます

• マイクでの録音時は、ブラウザがマイクへのアクセスを要求します。許可してください。
• 音声ファイルのアップロードは現在MP3形式のみ対応しています。
• OpenAI APIの利用には課金が発生する可能性があります。