Caso de uso da IA generativa: gerar podcasts com arquivos de áudio

Last reviewed 2026-11-12 UTC

Este documento apresenta uma arquitetura de alto nível para um aplicativo que usa IA para gerar podcasts com base em entradas de áudio.

O público-alvo deste documento inclui arquitetos, desenvolvedores e administradores que criam e gerenciam aplicativos de IA generativa na nuvem para os setores de mídia e marketing. No documento, pressupomos que você tenha uma compreensão básica da IA generativa.

A seção Implantação deste documento fornece exemplos de código para cargas de trabalho de IA generativa que envolvem formatos de entrada e saída multimodais.

Arquitetura

O diagrama a seguir mostra uma arquitetura para um aplicativo de produtor de podcast no Google Cloud. O aplicativo usa IA para gerar podcasts com base em arquivos de áudio, como comentários ao vivo de um evento esportivo.

Arquitetura de um aplicativo de IA generativa que cria podcasts com base em arquivos de áudio. Arquitetura de um aplicativo de IA generativa que cria podcasts com base em arquivos de áudio.

A arquitetura mostra o seguinte fluxo:

  1. Um usuário faz upload de arquivos de áudio para um bucket do Cloud Storage.
  2. O Eventarc aciona um serviço do Cloud Run.
  3. O serviço do Cloud Run envia os arquivos de áudio para o Speech-to-Text.
  4. A Speech-to-Text produz transcrições com carimbo de data/hora dos arquivos de áudio.
  5. O serviço do Cloud Run envia as transcrições para a Gemini Enterprise Agent Platform, com um comando para gerar um roteiro para um podcast.

    Por exemplo, o comando pode ser para gerar um roteiro de um podcast de 15 minutos sobre os destaques de um evento esportivo com base em determinadas palavras-chave no comentário.

  6. Um modelo do Gemini na Agent Platform gera um rascunho de um roteiro de podcast.

  7. O serviço do Cloud Run envia o rascunho do script para o usuário.

  8. O usuário revisa e edita o rascunho do script e envia o script final para a Text-to-Speech.

  9. A Text-to-Speech produz um arquivo de áudio de podcast.

Produtos usados

Este exemplo de arquitetura usa os seguintes produtos do Google Cloud :

  • Speech-to-Text: uma API que usa as tecnologias de reconhecimento de fala do Google para transcrever áudio em texto.
  • Gemini Enterprise Agent Platform: uma plataforma abrangente que permite criar, escalonar, governar e otimizar agentes de IA de nível empresarial.
  • Text-to-Speech: uma API para criar fala humana sintética e com som natural a partir de texto.
  • Cloud Storage: um repositório de objetos de baixo custo e sem limite para diversos tipos de dados. Os dados podem ser acessados de dentro e fora do Google Cloude são replicados entre locais para redundância.
  • Cloud Run: uma plataforma de computação sem servidor que permite executar contêineres diretamente na infraestrutura escalonável do Google.
  • Eventarc: uma solução sem servidor para rotear de forma assíncrona mensagens acionadas por eventos.

Considerações sobre o design

Nesta seção, descrevemos fatores de design, práticas recomendadas e recomendações de acordo com o Google Cloud Well-Architected Framework. Considere essas informações ao usar essa arquitetura de referência para desenvolver uma topologia que atenda aos seus requisitos específicos de segurança, confiabilidade, otimização de custos e eficiência operacional.

segurança, privacidade e conformidade

Para ajudar a proteger sua carga de trabalho de geração de podcasts e atender aos requisitos de privacidade e conformidade, considere as seguintes recomendações:

  • Para verificar comandos, transcrições e scripts de podcast em busca de injeção de comandos, tentativas de jailbreak e conteúdo nocivo, use o Model Armor. Para detectar e encobrir informações de identificação pessoal (PII) em transcrições e rascunhos de scripts antes da síntese, use a Proteção de Dados Sensíveis.
  • Para seguir o princípio de privilégio mínimo, atribua contas de serviço dedicadas do Identity and Access Management (IAM) ao gatilho do Eventarc e ao serviço do Cloud Run. Para restringir o acesso à rede a autores de chamadas e revisores autorizados, configure os controles de entrada do Cloud Run e exija a autenticação do IAM.

Confiabilidade

Para garantir um processamento confiável para comentários em formato longo e síntese de podcasts, considere as seguintes recomendações:

  • Para transcrever gravações de comentários longos de maneira confiável, considere o processamento em lote assíncrono. Para mais informações, consulte Transcrever arquivos de áudio longos em texto.
  • Para sintetizar episódios completos, divida os scripts em segmentos menores ou use a Síntese de Áudio Longo e armazene o áudio de saída no Cloud Storage.
  • Como o Eventarc tenta novamente as entregas não confirmadas, o processamento síncrono de mídia de vários minutos em um gerenciador HTTP do Cloud Run pode causar tempos limite e trabalho duplicado. Para separar a entrega de eventos do processamento de longa duração, orquestre tarefas de várias etapas com o Workflows ou execute cargas de trabalho em lote em jobs do Cloud Run.

Otimização de custos

Para otimizar o custo de geração de scripts e sintetização de áudio de podcast, considere as seguintes recomendações:

  • Quando os scripts de podcast não exigirem geração imediata, use a inferência em lote na plataforma de agentes. A inferência em lote processa grandes cargas de trabalho de transcrição de forma assíncrona a um custo menor do que a inferência on-line padrão.
  • Para reduzir os custos de síntese na produção de podcasts em grande volume, escolha um modelo adequado com base nos seus requisitos na plataforma de agentes.

Eficiência operacional

Para simplificar o pipeline multimodal e a produção de áudio com vários locutores, considere as seguintes recomendações:

  • Para simplificar o pipeline quando você não precisa de recursos especializados da Speech-to-Text, transmita URIs de áudio do Cloud Storage diretamente para o Gemini na plataforma de agentes. Com a compreensão de áudio multimodal, o Gemini pode analisar arquivos de áudio longos com compreensão de carimbo de data/hora e rascunhar scripts de podcast em uma única etapa. Mantenha a Speech-to-Text com modelos de transcrição especializados quando sua carga de trabalho exigir diarização de locutor em lote ou adaptação de modelo para nomes específicos de domínio.
  • Para produzir podcasts de conversação com vários apresentadores sem ajustes complexos de SSML, use o Gemini TTS na plataforma de agentes. Se o aplicativo chamar a Text-to-Speech diretamente, você também poderá usar o Gemini TTS ou outras vozes de conversação para controle de voz natural. Para mais informações, consulte Vozes e idiomas compatíveis.

Implantação

Para testar o uso de produtos do Google Cloud em cargas de trabalho que envolvem formatos de entrada e saída multimodais, como áudio e texto, use os seguintes exemplos de código:

A seguir

Colaboradores

Autor: Kumar Dhanagopal | Desenvolvedor de soluções de vários produtos

Outros colaboradores: