Il servizio Speech-to-Text di Vertex AI su Google Distributed Cloud (GDC) air-gapped appliance ti consente di convertire la voce dei file audio in trascrizioni di testo. Puoi utilizzare l'API Speech-to-Text preaddestrata e la libreria client Python per elaborare l'audio registrato con il modello predefinito.
Prima di iniziare
Prima di poter iniziare a utilizzare l'API Speech-to-Text, devi avere un progetto con l'API Speech-to-Text abilitata e le credenziali appropriate. Puoi anche installare librerie client per facilitare le chiamate all'API. Per saperne di più, consulta Configura un progetto di riconoscimento vocale.
Trascrivi l'audio con il modello predefinito
Speech-to-Text esegue il riconoscimento vocale. Invia il file audio da cui vuoi riconoscere il parlato direttamente come contenuto nella richiesta API. Il sistema restituisce il testo trascritto risultante nella risposta dell'API.
Devi fornire un oggetto di configurazione RecognitionConfig quando effettui una richiesta di riconoscimento vocale. Questo oggetto indica all'API come elaborare i dati audio e il tipo di output previsto. Se non viene specificato esplicitamente un modello in questo oggetto di configurazione, Speech-to-Text seleziona un modello predefinito.
Speech-to-Text sull'appliance GDC con air gap supporta solo il modello predefinito.
Segui questi passaggi per utilizzare il servizio Speech-to-Text da uno script Python per trascrivere il parlato da un file audio:
Installa l'ultima versione della libreria client di Speech-to-Text.
Imposta le variabili di ambiente richieste in uno script Python.
Aggiungi il seguente codice allo script Python che hai creato:
import base64 from google.cloud import speech_v1p1beta1 import google.auth from google.auth.transport import requests from google.api_core.client_options import ClientOptions audience="https://ENDPOINT:443" api_endpoint="ENDPOINT:443" def get_client(creds): opts = ClientOptions(api_endpoint=api_endpoint) return speech_v1p1beta1.SpeechClient(credentials=creds, client_options=opts) def main(): creds = None try: creds, project_id = google.auth.default() creds = creds.with_gdch_audience(audience) req = requests.Request() creds.refresh(req) except Exception as e: print("Caught exception" + str(e)) raise e return creds def speech_func(creds): tc = get_client(creds) content="BASE64_ENCODED_AUDIO" audio = speech_v1p1beta1.RecognitionAudio() audio.content = base64.standard_b64decode(content) config = speech_v1p1beta1.RecognitionConfig() config.encoding= speech_v1p1beta1.RecognitionConfig.AudioEncoding.ENCODING config.sample_rate_hertz=RATE_HERTZ config.language_code="LANGUAGE_CODE" config.audio_channel_count=CHANNEL_COUNT metadata = [("x-goog-user-project", "projects/PROJECT_ID")] resp = tc.recognize(config=config, audio=audio, metadata=metadata) print(resp) if __name__=="__main__": creds = main() speech_func(creds)Sostituisci quanto segue:
ENDPOINT: l'endpoint Speech-to-Text che utilizzi per la tua organizzazione. Per saperne di più, visualizza lo stato del servizio e gli endpoint.PROJECT_ID: il tuo ID progetto.BASE64_ENCODED_AUDIO: i byte dei dati audio codificati in una rappresentazione Base64. Questa stringa inizia con caratteri simili aZkxhQwAAACIQABAAAAUJABtAA+gA8AB+W8FZndQvQAyjv.ENCODING: la codifica dei dati audio inviati nella richiesta, ad esempioLINEAR16.RATE_HERTZ: frequenza di campionamento in hertz dei dati audio inviati nella richiesta, ad esempio16000.LANGUAGE_CODE: la lingua dell'audio fornito come tag di lingua BCP-47. Consulta l'elenco delle lingue supportate e i relativi codici lingua.CHANNEL_COUNT: il numero di canali nei dati audio di input, ad esempio1.
Salva lo script Python.
Esegui lo script Python per trascrivere l'audio:
python SCRIPT_NAMESostituisci
SCRIPT_NAMEcon il nome che hai assegnato al tuo script Python, ad esempiospeech.py.