音声認識プロジェクトを設定する

Google Distributed Cloud（GDC）エアギャップの Speech-to-Text を使用すると、アプリケーションで音声ファイルをテキストに変換できます。プロジェクトを作成してデベロッパー ロールをリクエストしたら、GDC コンソールで Speech-to-Text API を有効にして、サービス ステータスとエンドポイントを表示します。その後、Python クライアント ライブラリをインストールし、環境変数を定義して、gdcloud CLI を使用してサービス アカウントを構成し、リクエストを認証できます。Vertex AI を初めて使用する場合は、音声認識機能の詳細をご覧ください。

プロジェクトを作成する

Distributed Cloud のリソース階層内に音声認識プロジェクトを作成すると、Speech-to-Text リソースが整理されます。これには、共同編集者、有効な API、モニタリング ツール、お支払い情報、認証情報、アクセス制御が含まれます。

プロジェクトを作成するには、Vertex AI 用にプロジェクトを設定するをご覧ください。API 呼び出しを行うには、プロジェクト ID が必要です。

デベロッパー権限をリクエストする

音声認識機能にアクセスし、リクエストの認証と認可のための API トークンを生成するには、プロジェクトに AI Speech Developer ロールが必要です。

プロジェクトの名前空間内のユーザーまたはサービス アカウントに AI Speech デベロッパー（ai-speech-developer）ロールを付与するよう、IAM プロジェクト管理者に依頼します。このロールの詳細については、IAM 権限を準備するをご覧ください。

Speech-to-Text API を有効にする

プロジェクトで Speech-to-Text 事前トレーニング済み API を有効にする必要があります。有効にすると、Speech-to-Text 事前トレーニング済み API のサービス ステータスとエンドポイントを表示できます。

クライアント ライブラリのインストール

クライアント ライブラリは、Python プログラミング言語で利用できます。こうしたクライアント ライブラリを使用して Speech-to-Text API を呼び出すと、API へのアクセスが容易になるため、ライブラリの使用をおすすめします。

注: venv を使用して Python 環境を分離します。

venv を使用して、仮想環境内にこのライブラリをインストールします。このツールを使用すると、分離された Python 環境を簡単に作成できます。各環境で異なるバージョンの Python パッケージをホストできます。この分離により、プロジェクトの依存関係が他のプロジェクトやシステム全体のインストールの依存関係と競合するのを防ぐことができます。さらに、venv を使用すると、システムレベルの権限を必要とせずにライブラリをインストールできます。

Speech-to-Text クライアント ライブラリをインストールし、次の手順に沿って正しいバージョンがインストールされていることを確認します。

  1. Speech-to-Text クライアント ライブラリがインストールされているかどうかを確認し、バージョン番号を取得します。

    pip freeze | grep speech

    クライアント ライブラリがすでにインストールされている場合は、次のような出力が表示されます。

    google-cloud-speech==2.15.0

    取得したバージョン番号は、次のエンドポイントのクライアント ライブラリと一致している必要があります。

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

    GDC_URL は、GDC の組織の URL に置き換えます。

  2. バージョン番号が一致しない場合は、クライアント ライブラリをアンインストールします。

    pip uninstall google-cloud-speech

  3. Speech-to-Text クライアント ライブラリをアンインストールした場合は、オペレーティング システムに対応するファイル名を指定して再インストールする必要があります。

環境変数を設定する

Speech-to-Text クライアント ライブラリをインストールすると、Python スクリプトから API を操作できるようになります。

プロジェクトでサービス アカウントを設定して、承認済みの API 呼び出しをプログラムで行う場合は、Python スクリプトで環境変数を定義して、実行時にサービス アカウント キーなどの値にアクセスできます。

Python スクリプトで必要な環境変数を設定する手順は次のとおりです。

  1. Speech-to-Text 事前トレーニング済み API を操作するための JupyterLab ノートブックを作成します。

  2. JupyterLab ノートブックで Python スクリプトを作成します。

  3. Python スクリプトに次のコードを追加します。

    import os

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

    APPLICATION_DEFAULT_CREDENTIALS_FILENAME は、プロジェクトで作成したサービス アカウント キーを含む JSON ファイルの名前（my-service-key.json など）に置き換えます。

  4. Python スクリプトを speech.py などの名前で保存します。

  5. Python スクリプトを実行して環境変数を設定します。

    python SCRIPT_NAME

    SCRIPT_NAME は、Python スクリプトに付けた名前（speech.py など）に置き換えます。

認証を設定する

Speech-to-Text API の使用を開始する前に、クライアント認証情報を認証し、プロジェクト リソースへのアカウント アクセスをリクエストする必要があります。詳細については、API リクエストを認証するをご覧ください。