Questo documento fornisce un'architettura di alto livello per un'applicazione che utilizza l'AI per generare podcast basati sull'input audio.
Il pubblico di destinazione di questo documento include architetti, sviluppatori e amministratori che creano e gestiscono applicazioni di AI generativa nel cloud per i settori dei media e del marketing. Il documento presuppone che tu abbia una conoscenza di base dell'AI generativa.
La sezione Deployment di questo documento fornisce esempi di codice per i workload di AI generativa che coinvolgono formati di input e output multimodali.
Architettura
Il seguente diagramma mostra un'architettura per un'applicazione di produzione di podcast in Google Cloud. L'applicazione utilizza l'AI per generare podcast da file audio, come i commenti live per un evento sportivo.
L'architettura mostra il seguente flusso:
- Un utente carica file audio in un bucket Cloud Storage.
- Eventarc attiva un servizio Cloud Run.
- Il servizio Cloud Run invia i file audio a Speech-to-Text.
- Speech-to-Text produce trascrizioni con timestamp dei file audio.
Il servizio Cloud Run invia le trascrizioni all'API Gemini, con un prompt per generare il copione di un podcast.
Ad esempio, il prompt potrebbe essere quello di generare un copione per un podcast di 15 minuti sui momenti salienti di un evento sportivo in base a determinate parole chiave nel commento.
Gemini genera una bozza di script per un podcast.
Il servizio Cloud Run invia la bozza dello script all'utente.
L'utente rivede e modifica la bozza del copione, quindi invia il copione finale a Text-to-Speech.
Text-to-Speech produce un file audio del podcast.
Prodotti utilizzati
Questa architettura di esempio utilizza i seguenti prodotti Google Cloud :
- Speech-to-Text: un'API che utilizza le tecnologie di riconoscimento vocale di Google per trascrivere l'audio in testo.
- Gemini Enterprise Agent Platform: una piattaforma completa che ti consente di creare, scalare, gestire e ottimizzare agenti AI di livello enterprise.
- Text-to-Speech: un'API per creare un parlato umano sintetico dal suono naturale a partire dal testo.
- Cloud Storage: uno spazio di archiviazione di oggetti a basso costo e senza limiti per diversi tipi di dati. I dati sono accessibili dall'interno e dall'esterno di Google Cloude vengono replicati in più località per la ridondanza.
- Cloud Run: una piattaforma di computing serverless che ti consente di eseguire container direttamente sull'infrastruttura scalabile di Google.
- Eventarc: una soluzione serverless per instradare in modo asincrono i messaggi attivati dagli eventi.
Deployment
Per sperimentare l'utilizzo dei prodotti Google Cloud per carichi di lavoro che prevedono formati di input e output multimodali come audio e testo, prova i seguenti esempi di codice:
- Genera una trascrizione di un'intervista audio.
- Genera un podcast con più oratori utilizzando Gemini e l'API Text-to-Speech.
- Registra l'audio e genera una traduzione.
Passaggi successivi
- Esplora altre guide all'architettura dell'AI generativa.
- Per una panoramica dei principi e dei consigli architetturali specifici per i workload di AI e ML in Google Cloud, consulta la prospettiva AI e ML nel framework Well-Architected.
- Per ulteriori architetture di riferimento, diagrammi e best practice, esplora Cloud Architecture Center.
Collaboratori
Autore: Kumar Dhanagopal | Cross-Product Solution Developer
Altri collaboratori:
- Amina Mansour | Tech Lead, Global Developer Relations & Strategic Content
- Megan O'Keefe | Developer Advocate
- Samantha He | Technical Writer
- Shir Meir Lador | Engineering Manager per le relazioni con gli sviluppatori