ハンズオンの概要

このハンズオンでは、AWSのサーバレスサービスを活用して、ローカルのテキストファイルをアップロードし、翻訳・音声化・文字起こしを行うシステムを構築します。テキストから音声への変換（Polly）と、音声からテキストへの変換（Transcribe）の双方向変換を体験できます。

構成図

以下のAWSサービスを使用します。

処理フロー

フェーズ1: テキスト → 音声（Text-to-Speech）

  1. ユーザーがテキストファイルをS3にアップロード
  2. S3イベントがStep Functionsのワークフローを起動
  3. Lambda関数がテキストファイルを読み取り
  4. Amazon Translateで翻訳
  5. Amazon Pollyで音声ファイルに変換
  6. 結果をS3に保存

フェーズ2: 音声 → テキスト（Speech-to-Text）

  1. Pollyで生成した音声ファイルに対してAmazon Transcribeで文字起こし
  2. 文字起こし結果をS3に保存
  3. 元のテキストと文字起こし結果を比較

前提条件

Positive : 本ハンズオンは初心者向けの内容です。AWSの基本的な操作ができれば問題ありません。

Negative : 本ハンズオンで作成するリソースには料金が発生する場合があります。ハンズオン終了後は必ずリソースを削除してください。

Codespace の作成

  1. GitHub にログインします
  2. 任意のリポジトリを開きます（新規作成でも可）
  3. Code ボタン → Codespaces タブ → Create codespace on main をクリックします
  4. Codespace の起動を待ちます（1〜2分程度）

AWS CLI v2 のインストール

Codespace のターミナルで以下のコマンドを実行します。

curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
unzip awscliv2.zip
sudo ./aws/install
rm -rf awscliv2.zip aws/
aws --version

AWS CLI の認証設定

aws configure

項目

値

AWS Access Key ID

管理者から払い出されたキー

AWS Secret Access Key

管理者から払い出されたシークレット

Default region name

ap-northeast-1

Default output format

json

設定の確認

aws sts get-caller-identity

Negative : アクセスキーをGitリポジトリにコミットしないよう注意してください。

入力用バケットの作成

テキストファイルをアップロードするためのS3バケットを作成します。

  1. AWSマネジメントコンソールにログインします
  2. サービス一覧から S3 を選択します
  3. バケットを作成 をクリックします

以下の設定でバケットを作成します。

項目

値

バケット名

handson-input-{あなたのアカウントID}

AWSリージョン

ap-northeast-1（東京）

その他設定

デフォルトのまま

  1. バケットを作成 をクリックして完了します

出力用バケットの作成

翻訳結果と音声ファイルを格納するS3バケットを作成します。

同様の手順で以下の設定のバケットを作成します。

項目

値

バケット名

handson-output-{あなたのアカウントID}

AWSリージョン

ap-northeast-1（東京）

その他設定

デフォルトのまま

Positive : S3バケット名はグローバルで一意である必要があります。アカウントIDを含めることで重複を避けましょう。

Lambda用IAMロール

Lambda関数がS3、Translate、Polly、Transcribeにアクセスするためのロールを作成します。

  1. AWSマネジメントコンソールから IAM を選択します
  2. 左メニューの ロール をクリックします
  3. ロールを作成 をクリックします

以下の設定でロールを作成します。

項目

値

信頼されたエンティティ

AWS のサービス

ユースケース

Lambda

ロール名

handson-lambda-role

以下のポリシーをアタッチします。

AmazonS3FullAccess
AmazonTranslateFullAccess
AmazonPollyFullAccess
AmazonTranscribeFullAccess
CloudWatchLogsFullAccess

Negative : 本ハンズオンでは簡易化のためFullAccessポリシーを使用しますが、本番環境では最小権限の原則に基づいたポリシーを設定してください。

Step Functions用IAMロール

同様の手順で、Step Functions用のロールを作成します。

項目

値

信頼されたエンティティ

AWS のサービス

ユースケース

Step Functions

ロール名

handson-stepfunctions-role

以下のポリシーをアタッチします。

AWSLambda_FullAccess
CloudWatchLogsFullAccess

関数の作成

  1. AWSマネジメントコンソールから Lambda を選択します
  2. 関数の作成 をクリックします

項目

値

関数名

handson-read-text

ランタイム

Python 3.12

実行ロール

handson-lambda-role（既存のロールを使用）

コードの入力

以下のコードを入力します。

import json
import boto3
import urllib.parse

s3 = boto3.client('s3')

def lambda_handler(event, context):
    """S3からテキストファイルを読み取る"""

    bucket = event['bucket']
    key = event['key']

    # S3からファイルを取得
    response = s3.get_object(Bucket=bucket, Key=key)
    text = response['Body'].read().decode('utf-8')

    return {
        'statusCode': 200,
        'bucket': bucket,
        'key': key,
        'text': text,
        'source_language': 'ja'
    }
  1. Deploy をクリックして関数をデプロイします

関数の作成

新しいLambda関数を作成します。

項目

値

関数名

handson-translate-text

ランタイム

Python 3.12

実行ロール

handson-lambda-role（既存のロールを使用）

コードの入力

以下のコードを入力します。

import json
import boto3

translate = boto3.client('translate')

def lambda_handler(event, context):
    """テキストを英語に翻訳する"""

    text = event['text']
    source_language = event.get('source_language', 'ja')
    target_language = 'en'

    # Amazon Translateで翻訳
    response = translate.translate_text(
        Text=text,
        SourceLanguageCode=source_language,
        TargetLanguageCode=target_language
    )

    translated_text = response['TranslatedText']

    return {
        'statusCode': 200,
        'bucket': event['bucket'],
        'key': event['key'],
        'original_text': text,
        'translated_text': translated_text,
        'source_language': source_language,
        'target_language': target_language
    }
  1. Deploy をクリックして関数をデプロイします

Positive : Amazon Translateは多くの言語ペアに対応しています。source_languageとtarget_languageを変更することで、様々な言語間の翻訳が可能です。

関数の作成

新しいLambda関数を作成します。

項目

値

関数名

handson-text-to-speech

ランタイム

Python 3.12

実行ロール

handson-lambda-role（既存のロールを使用）

タイムアウト

60秒（デフォルトの3秒から変更）

タイムアウトの変更

  1. 設定 タブをクリック
  2. 一般設定 の 編集 をクリック
  3. タイムアウトを 1分 に変更
  4. 保存 をクリック

コードの入力

以下のコードを入力します。

import json
import boto3
from datetime import datetime

polly = boto3.client('polly')
s3 = boto3.client('s3')

def lambda_handler(event, context):
    """翻訳されたテキストを音声に変換してS3に保存する"""

    translated_text = event['translated_text']
    output_bucket = event['bucket'].replace('input', 'output')
    original_key = event['key']

    # ファイル名を生成
    timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
    output_key_text = f"translated/{timestamp}_{original_key}"
    output_key_audio = f"audio/{timestamp}_{original_key.replace('.txt', '.mp3')}"

    # 翻訳テキストをS3に保存
    s3.put_object(
        Bucket=output_bucket,
        Key=output_key_text,
        Body=translated_text.encode('utf-8'),
        ContentType='text/plain'
    )

    # Amazon Pollyで音声合成
    response = polly.synthesize_speech(
        Text=translated_text,
        OutputFormat='mp3',
        VoiceId='Joanna',
        Engine='neural'
    )

    # 音声ファイルをS3に保存
    audio_stream = response['AudioStream'].read()
    s3.put_object(
        Bucket=output_bucket,
        Key=output_key_audio,
        Body=audio_stream,
        ContentType='audio/mpeg'
    )

    return {
        'statusCode': 200,
        'output_bucket': output_bucket,
        'translated_text_key': output_key_text,
        'audio_key': output_key_audio,
        'message': '翻訳テキストと音声ファイルの保存が完了しました'
    }
  1. Deploy をクリックして関数をデプロイします

関数の作成

Pollyで生成した音声をTranscribeで文字起こしするためのLambda関数を作成します。

新しいLambda関数を作成します。

項目

値

関数名

handson-start-transcribe

ランタイム

Python 3.12

実行ロール

handson-lambda-role（既存のロールを使用）

コードの入力

以下のコードを入力します。

import json
import boto3
from datetime import datetime

transcribe = boto3.client('transcribe')

def lambda_handler(event, context):
    """Pollyで生成した音声ファイルのTranscribeジョブを開始する"""

    output_bucket = event['output_bucket']
    audio_key = event['audio_key']

    # ジョブ名を生成（一意にするためタイムスタンプを使用）
    job_name = f"handson-transcribe-{datetime.now().strftime('%Y%m%d-%H%M%S')}"
    media_uri = f"s3://{output_bucket}/{audio_key}"

    # Amazon Transcribeのジョブを開始
    transcribe.start_transcription_job(
        TranscriptionJobName=job_name,
        Media={'MediaFileUri': media_uri},
        MediaFormat='mp3',
        LanguageCode='en-US',
        OutputBucketName=output_bucket,
        OutputKey=f"transcription/{job_name}.json"
    )

    return {
        'statusCode': 200,
        'output_bucket': output_bucket,
        'audio_key': audio_key,
        'transcription_job_name': job_name,
        'translated_text_key': event.get('translated_text_key', ''),
        'message': 'Transcribeジョブを開始しました'
    }
  1. Deploy をクリックして関数をデプロイします

Positive : Amazon Transcribeは非同期処理です。ジョブの開始後、完了まで数十秒〜数分かかる場合があります。Step Functions のWaitステートで自動的に待機します。

関数の作成

Transcribeジョブの結果を取得するLambda関数を作成します。

新しいLambda関数を作成します。

項目

値

関数名

handson-get-transcription

ランタイム

Python 3.12

実行ロール

handson-lambda-role（既存のロールを使用）

コードの入力

以下のコードを入力します。

import json
import boto3

transcribe = boto3.client('transcribe')
s3 = boto3.client('s3')

def lambda_handler(event, context):
    """Transcribeジョブの結果を確認し、文字起こしテキストを取得する"""

    job_name = event['transcription_job_name']

    # ジョブのステータスを取得
    response = transcribe.get_transcription_job(
        TranscriptionJobName=job_name
    )

    status = response['TranscriptionJob']['TranscriptionJobStatus']

    if status == 'COMPLETED':
        # 結果をS3から取得
        output_bucket = event['output_bucket']
        result_key = f"transcription/{job_name}.json"

        result_obj = s3.get_object(Bucket=output_bucket, Key=result_key)
        result_data = json.loads(result_obj['Body'].read().decode('utf-8'))

        # 文字起こしテキストを抽出
        transcript_text = result_data['results']['transcripts'][0]['transcript']

        # テキストファイルとしてS3に保存
        summary_key = f"transcription/{job_name}_text.txt"
        s3.put_object(
            Bucket=output_bucket,
            Key=summary_key,
            Body=transcript_text.encode('utf-8'),
            ContentType='text/plain'
        )

        return {
            'statusCode': 200,
            'transcription_status': 'COMPLETED',
            'transcript_text': transcript_text,
            'summary_key': summary_key,
            'output_bucket': output_bucket,
            'message': '文字起こしが完了しました'
        }
    elif status == 'FAILED':
        raise Exception(f"Transcribeジョブが失敗しました: {response['TranscriptionJob'].get('FailureReason', '不明')}")
    else:
        # IN_PROGRESS の場合は再試行のためステータスを返す
        return {
            'statusCode': 200,
            'transcription_status': status,
            'transcription_job_name': job_name,
            'output_bucket': event['output_bucket'],
            'audio_key': event.get('audio_key', ''),
            'translated_text_key': event.get('translated_text_key', ''),
            'message': f'ジョブは {status} です。処理中...'
        }
  1. Deploy をクリックして関数をデプロイします

Positive : transcription_status の値によってStep Functionsが処理を分岐します。COMPLETED なら完了、それ以外なら待機→再確認のループになります。

ステートマシンの作成

  1. AWSマネジメントコンソールから Step Functions を選択します
  2. ステートマシンの作成 をクリックします
  3. コードでワークフローを作成 を選択します

ワークフロー定義

以下のASL（Amazon States Language）を入力します。フェーズ1（テキスト→音声）とフェーズ2（音声→テキスト）の両方を含むワークフローです。

{
  "Comment": "テキストファイルの翻訳・音声化・文字起こしワークフロー",
  "StartAt": "ReadText",
  "States": {
    "ReadText": {
      "Type": "Task",
      "Resource": "arn:aws:lambda:ap-northeast-1:{アカウントID}:function:handson-read-text",
      "Next": "TranslateText",
      "Catch": [
        {
          "ErrorEquals": ["States.ALL"],
          "Next": "HandleError"
        }
      ]
    },
    "TranslateText": {
      "Type": "Task",
      "Resource": "arn:aws:lambda:ap-northeast-1:{アカウントID}:function:handson-translate-text",
      "Next": "TextToSpeech",
      "Catch": [
        {
          "ErrorEquals": ["States.ALL"],
          "Next": "HandleError"
        }
      ]
    },
    "TextToSpeech": {
      "Type": "Task",
      "Resource": "arn:aws:lambda:ap-northeast-1:{アカウントID}:function:handson-text-to-speech",
      "Next": "StartTranscribe",
      "Catch": [
        {
          "ErrorEquals": ["States.ALL"],
          "Next": "HandleError"
        }
      ]
    },
    "StartTranscribe": {
      "Type": "Task",
      "Resource": "arn:aws:lambda:ap-northeast-1:{アカウントID}:function:handson-start-transcribe",
      "Next": "WaitForTranscription",
      "Catch": [
        {
          "ErrorEquals": ["States.ALL"],
          "Next": "HandleError"
        }
      ]
    },
    "WaitForTranscription": {
      "Type": "Wait",
      "Seconds": 30,
      "Next": "GetTranscription"
    },
    "GetTranscription": {
      "Type": "Task",
      "Resource": "arn:aws:lambda:ap-northeast-1:{アカウントID}:function:handson-get-transcription",
      "Next": "CheckTranscriptionStatus",
      "Catch": [
        {
          "ErrorEquals": ["States.ALL"],
          "Next": "HandleError"
        }
      ]
    },
    "CheckTranscriptionStatus": {
      "Type": "Choice",
      "Choices": [
        {
          "Variable": "$.transcription_status",
          "StringEquals": "COMPLETED",
          "Next": "SuccessState"
        }
      ],
      "Default": "WaitForTranscription"
    },
    "SuccessState": {
      "Type": "Succeed"
    },
    "HandleError": {
      "Type": "Fail",
      "Error": "ProcessingError",
      "Cause": "ワークフローの実行中にエラーが発生しました"
    }
  }
}

Negative : {アカウントID} は自分のAWSアカウントIDに置き換えてください。

ステートマシンの設定

項目

値

ステートマシン名

handson-translate-workflow

実行ロール

handson-stepfunctions-role（既存のロールを使用）

ログ記録

すべてのログ

  1. ステートマシンの作成 をクリックします

イベント通知の設定

S3にテキストファイルがアップロードされた際に、自動的にStep Functionsを実行するよう設定します。

  1. S3コンソールから 入力用バケット を選択します
  2. プロパティ タブを選択します
  3. イベント通知 セクションの イベント通知を作成 をクリックします

Positive : S3イベント通知からStep Functionsを直接起動するには、Amazon EventBridge経由で設定することもできます。

EventBridge経由での設定

  1. 入力用S3バケットの プロパティ タブを開きます
  2. Amazon EventBridge セクションで 編集 をクリック
  3. 通知をEventBridgeに送信 を オン にします

次に、EventBridgeでルールを作成します。

  1. Amazon EventBridge コンソールを開きます
  2. ルール → ルールを作成 をクリック

項目

値

ルール名

handson-s3-to-stepfunctions

イベントバス

default

ルールタイプ

イベントパターンを持つルール

  1. イベントパターンを以下のように設定します
{
  "source": ["aws.s3"],
  "detail-type": ["Object Created"],
  "detail": {
    "bucket": {
      "name": ["handson-input-{アカウントID}"]
    },
    "object": {
      "key": [{
        "suffix": ".txt"
      }]
    }
  }
}
  1. ターゲットに Step Functions ステートマシン を選択し、handson-translate-workflow を指定します

テストファイルの作成

ローカルにテスト用のテキストファイルを作成します。

echo "こんにちは。今日はAWSのサーバレスサービスを使ったハンズオンを行います。楽しんでいきましょう。" > test.txt

S3へのアップロード

AWS CLIを使ってファイルをアップロードします。

aws s3 cp test.txt s3://handson-input-{アカウントID}/test.txt

結果の確認

  1. Step Functions コンソールでワークフローの実行を確認します
  2. 各ステップが Succeeded になっていることを確認します（Transcribeジョブの完了待ちで WaitForTranscription → GetTranscription のループが発生します）
  3. 出力用S3バケット に以下のファイルが生成されていることを確認します

音声ファイルの確認（Polly）

aws s3 ls s3://handson-output-{アカウントID}/audio/
aws s3 cp s3://handson-output-{アカウントID}/audio/{生成されたファイル名}.mp3 ./output.mp3

ダウンロードしたMP3ファイルを再生して、英語の音声が出力されることを確認します。

文字起こし結果の確認（Transcribe）

aws s3 ls s3://handson-output-{アカウントID}/transcription/
aws s3 cp s3://handson-output-{アカウントID}/transcription/{ジョブ名}_text.txt ./transcription_result.txt
cat transcription_result.txt

文字起こしされた英語テキストが表示されます。翻訳されたテキストと比較して、Polly→Transcribeの変換精度を確認してみましょう。

Positive : 元の日本語テキスト → 英語翻訳テキスト → 英語音声 → 英語文字起こしテキスト の変換結果を比較することで、各サービスの変換精度を体感できます。

Positive : ワークフローがエラーになった場合は、Step Functionsの実行履歴からエラーの詳細を確認してください。Lambda関数のCloudWatch Logsも参考になります。

作成したリソースの削除

ハンズオンが完了したら、以下のリソースを削除して料金の発生を防ぎましょう。

削除順序は以下の通りです。

  1. EventBridge ルール handson-s3-to-stepfunctions を削除
  2. Step Functions ステートマシン handson-translate-workflow を削除
  3. Lambda関数 以下の5つの関数を削除
    • handson-read-text
    • handson-translate-text
    • handson-text-to-speech
    • handson-start-transcribe
    • handson-get-transcription
  4. S3バケット 以下の2つのバケットを空にしてから削除
    • handson-input-{アカウントID}
    • handson-output-{アカウントID}
  5. IAMロール 以下の2つのロールを削除
    • handson-lambda-role
    • handson-stepfunctions-role

S3バケットの空にする方法

aws s3 rm s3://handson-input-{アカウントID} --recursive
aws s3 rm s3://handson-output-{アカウントID} --recursive
aws s3 rb s3://handson-input-{アカウントID}
aws s3 rb s3://handson-output-{アカウントID}

Negative : リソースの削除を忘れると、意図しない料金が発生する可能性があります。必ず全てのリソースを削除してください。

学んだこと

このハンズオンでは以下のことを学びました。

発展課題

参考リンク


[AWS Lambda ドキュメント](https://docs.aws.amazon.com/ja_jp/lambda/)

[AWS Step Functions ドキュメント](https://docs.aws.amazon.com/ja_jp/step-functions/)

[Amazon Translate ドキュメント](https://docs.aws.amazon.com/ja_jp/translate/)

[Amazon Polly ドキュメント](https://docs.aws.amazon.com/ja_jp/polly/)

[Amazon Transcribe ドキュメント](https://docs.aws.amazon.com/ja_jp/transcribe/)