Configurar un proyecto de reconocimiento de voz

Speech-to-Text en Google Distributed Cloud (GDC) aislado te permite transcribir archivos de audio a texto en tus aplicaciones. Después de crear un proyecto y solicitar roles de desarrollador, habilita la API Speech-to-Text en la consola de GDC para ver el estado del servicio y el endpoint. A continuación, puedes instalar la biblioteca de cliente de Python, definir variables de entorno y usar la CLI gdcloud para configurar cuentas de servicio y autenticar solicitudes. Si es la primera vez que usas Vertex AI, consulta Información sobre las funciones de reconocimiento de voz.

Crear proyecto

Crear un proyecto de reconocimiento de voz en la jerarquía de recursos de Distributed Cloud organiza tus recursos de Speech-to-Text, que incluyen colaboradores, APIs habilitadas, herramientas de monitorización, datos de facturación, credenciales de autenticación y controles de acceso.

Para crear tu proyecto, consulta Configurar un proyecto para Vertex AI. Necesitarás el ID del proyecto para hacer llamadas a la API.

Solicitar permisos de desarrollador

Debes tener el rol de desarrollador de Vertex AI Speech en tu proyecto para acceder a las funciones de reconocimiento de voz y generar un token de API para la autenticación y autorización de solicitudes.

Pide al administrador de proyectos de gestión de identidades y accesos que asigne el rol de desarrollador de Vertex AI Speech (ai-speech-developer) a tu cuenta de usuario o de servicio en el espacio de nombres de tu proyecto. Para obtener información sobre este rol, consulta el artículo Preparar permisos de gestión de identidades y accesos.

Habilitar la API Speech-to-Text

Debes habilitar la API Speech-to-Text preentrenada en tu proyecto. Si está habilitada, puedes ver el estado del servicio y el endpoint de la API preentrenada de Speech-to-Text.

Instalar bibliotecas de cliente

Las bibliotecas de cliente están disponibles para el lenguaje de programación Python. Te recomendamos que uses estas bibliotecas de cliente para hacer llamadas a la API Speech-to-Text, ya que facilitan el acceso a las APIs.

NOTA: Usa venv para aislar los entornos de Python.

Instala esta biblioteca en un entorno virtual con venv. Esta herramienta facilita la creación de entornos de Python aislados, cada uno de los cuales puede alojar distintas versiones de paquetes de Python. Este aislamiento evita que las dependencias del proyecto entren en conflicto con las de otros proyectos o con las instalaciones de todo el sistema. Además, el uso de venv permite instalar bibliotecas sin necesidad de permisos a nivel de sistema.

Instala la biblioteca de cliente de Speech-to-Text y sigue estos pasos para asegurarte de que tienes la versión correcta:

  1. Comprueba si la biblioteca de cliente de Speech-to-Text está instalada y obtén el número de versión:

    pip freeze | grep speech
    

    Si la biblioteca de cliente ya está instalada, obtendrás un resultado similar al del siguiente ejemplo:

    google-cloud-speech==2.15.0
    

    El número de versión que obtengas debe coincidir con la biblioteca de cliente del siguiente endpoint:

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

    Sustituye GDC_URL por la URL de tu organización en GDC.

  2. Si los números de versión no coinciden, desinstala la biblioteca de cliente:

    pip uninstall google-cloud-speech
    
  3. Si has desinstalado la biblioteca de cliente de Speech-to-Text, debes volver a instalarla especificando el nombre de archivo correspondiente a tu sistema operativo.

Definir las variables de entorno

Después de instalar la biblioteca de cliente de Speech-to-Text, puedes interactuar con la API desde un script de Python.

Si configuras una cuenta de servicio en tu proyecto para hacer llamadas a la API autorizadas de forma programática, puedes definir variables de entorno en la secuencia de comandos de Python para acceder a valores como las claves de la cuenta de servicio durante la ejecución.

Sigue estos pasos para definir las variables de entorno necesarias en una secuencia de comandos de Python:

  1. Crea un cuaderno de JupyterLab para interactuar con la API preentrenada de Speech-to-Text.

  2. Crea un script de Python en el cuaderno de JupyterLab.

  3. Añade el siguiente código a la secuencia de comandos de Python:

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

    Sustituye APPLICATION_DEFAULT_CREDENTIALS_FILENAME por el nombre del archivo JSON que contiene las claves de la cuenta de servicio que has creado en el proyecto, como my-service-key.json.

  4. Guarda la secuencia de comandos de Python con un nombre, como speech.py.

  5. Ejecuta el script de Python para definir las variables de entorno:

    python SCRIPT_NAME
    

    Sustituye SCRIPT_NAME por el nombre que hayas dado a tu secuencia de comandos de Python, como speech.py.

Configurar la autenticación

Para poder empezar a usar la API Speech-to-Text, debes autenticar tus credenciales de cliente y solicitar acceso a los recursos de tu proyecto. Para obtener más información, consulta Autenticar solicitudes a la API.