Spracherkennungsprojekt einrichten

Mit Speech-to-Text in Google Distributed Cloud (GDC) mit Air Gap können Sie Audiodateien in Ihren Anwendungen in Text transkribieren. Nachdem Sie ein Projekt erstellt und Entwicklerrollen angefordert haben, aktivieren Sie die Speech-to-Text API in der GDC-Konsole, um den Dienststatus und den Endpunkt aufzurufen. Anschließend können Sie die Python-Clientbibliothek installieren, Umgebungsvariablen definieren und die gdcloud CLI verwenden, um Dienstkonten zu konfigurieren und Anfragen zu authentifizieren. Wenn Sie Vertex AI noch nicht kennen, lesen Sie Informationen zu Spracherkennungsfunktionen.

Projekt erstellen

Wenn Sie ein Spracherkennungsprojekt in Ihrer Ressourcenhierarchie von Distributed Cloud erstellen, werden Ihre Speech-to-Text-Ressourcen organisiert. Dazu gehören Mitbearbeiter, aktivierte APIs, Monitoringtools, Zahlungsinformationen, Authentifizierungsdaten und Zugriffssteuerungen.

Informationen zum Erstellen eines Projekts finden Sie unter Projekt für Vertex AI einrichten. Sie benötigen Ihre Projekt-ID, wenn Sie API-Aufrufe ausführen.

Entwicklerberechtigungen anfordern

Sie müssen die Rolle „AI Speech Developer“ in Ihrem Projekt haben, um auf Spracherkennungsfunktionen zuzugreifen und ein API-Token für die Authentifizierung und Autorisierung von Anfragen zu generieren.

Bitten Sie Ihren IAM-Projektadministrator, Ihrem Nutzer- oder Dienstkonto in Ihrem Projekt-Namespace die Rolle „AI Speech Developer“ (ai-speech-developer) zuzuweisen. Informationen zu dieser Rolle finden Sie unter IAM-Berechtigungen vorbereiten.

Speech-to-Text API aktivieren

Sie müssen die vortrainierte Speech-to-Text API für Ihr Projekt aktivieren. Wenn die Funktion aktiviert ist, können Sie den Dienststatus und den Endpunkt für die vortrainierte Speech-to-Text API aufrufen.

Clientbibliotheken installieren

Clientbibliotheken sind für die Programmiersprache Python verfügbar. Wir empfehlen, diese Clientbibliotheken für Aufrufe an die Speech-to-Text API zu verwenden, da sie den Zugriff auf APIs erleichtern.

HINWEIS: Verwenden Sie venv, um die Python-Umgebungen zu isolieren.

Installieren Sie diese Bibliothek in einer virtuellen Umgebung mit venv. Dieses Tool erleichtert die Erstellung isolierter Python-Umgebungen, in denen jeweils unterschiedliche Versionen von Python-Paketen gehostet werden können. Diese Isolation verhindert, dass Projektabhängigkeiten mit denen anderer Projekte oder systemweiter Installationen in Konflikt geraten. Außerdem können Sie mit venv Bibliotheken installieren, ohne dass Berechtigungen auf Systemebene erforderlich sind.

Installieren Sie die Speech-to-Text-Clientbibliothek und führen Sie die folgenden Schritte aus, um die richtige Version zu erhalten:

  1. Prüfen Sie, ob die Speech-to-Text-Clientbibliothek installiert ist, und rufen Sie die Versionsnummer ab:

    pip freeze | grep speech

    Wenn die Clientbibliothek bereits installiert ist, erhalten Sie eine Ausgabe ähnlich dem folgenden Beispiel:

    google-cloud-speech==2.15.0

    Die Versionsnummer, die Sie erhalten, muss mit der Clientbibliothek am folgenden Endpunkt übereinstimmen:

    https://GDC_URL/.well-known/static/client-libraries

    Ersetzen Sie GDC_URL durch die URL Ihrer Organisation in GDC.

  2. Wenn die Versionsnummern nicht übereinstimmen, deinstallieren Sie die Clientbibliothek:

    pip uninstall google-cloud-speech

  3. Wenn Sie die Speech-to-Text-Clientbibliothek deinstalliert haben, müssen Sie sie neu installieren. Geben Sie dazu den Dateinamen an, der Ihrem Betriebssystem entspricht.

Umgebungsvariablen festlegen

Nachdem Sie die Speech-to-Text-Clientbibliothek installiert haben, können Sie über ein Python-Skript mit der API interagieren.

Wenn Sie in Ihrem Projekt ein Dienstkonto einrichten, um autorisierte API-Aufrufe programmatisch auszuführen, können Sie im Python-Script Umgebungsvariablen definieren, um beim Ausführen auf Werte wie die Dienstkontoschlüssel zuzugreifen.

So legen Sie die erforderlichen Umgebungsvariablen in einem Python-Skript fest:

  1. Erstellen Sie ein JupyterLab-Notebook, um mit der vortrainierten Speech-to-Text API zu interagieren.

  2. Erstellen Sie ein Python-Skript im JupyterLab-Notebook.

  3. Fügen Sie dem Python-Script den folgenden Code hinzu:

    import os

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "APPLICATION_DEFAULT_CREDENTIALS_FILENAME"

    Ersetzen Sie APPLICATION_DEFAULT_CREDENTIALS_FILENAME durch den Namen der JSON-Datei, die die von Ihnen im Projekt erstellten Dienstkontoschlüssel enthält, z. B. my-service-key.json.

  4. Speichern Sie das Python-Skript unter einem Namen, z. B. speech.py.

  5. Führen Sie das Python-Skript aus, um die Umgebungsvariablen festzulegen:

    python SCRIPT_NAME

    Ersetzen Sie SCRIPT_NAME durch den Namen, den Sie Ihrem Python-Skript gegeben haben, z. B. speech.py.

Authentifizierung einrichten

Bevor Sie die Speech-to-Text API verwenden können, müssen Sie Ihre Clientanmeldedaten authentifizieren und Kontozugriff auf Ihre Projektressourcen anfordern. Weitere Informationen finden Sie unter API-Anfragen authentifizieren.