Speech-to-Text ausprobieren

Mit der Speech-to-Text API können Sie gesprochene Audioinhalte in Text umwandeln. In dieser Anleitung containerisieren Sie ein Python-Transkriptionsskript und führen die Arbeitslast als Job in der Google Distributed Cloud (GDC) Sandbox aus.

Bevor Sie dieses Beispiel anwenden, folgen Sie den Schritten zur Einrichtung von Python in der Vertex AI-Kurzanleitung zur Verwendung von Clientbibliotheken. Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Python API.

  1. Erstellen Sie eine Python-Datei speech-to-text-test.py. Ersetzen Sie den Wert image_uri_to_test durch den URI eines Quell-Images, wie hier gezeigt:

    from google.cloud import speech
    
    def transcribe_gcs_audio(gcs_uri: str) -> speech.RecognizeResponse:
        client = speech.SpeechClient()
    
        audio = speech.RecognitionAudio(uri=gcs_uri)
        config = speech.RecognitionConfig(
            encoding=speech.RecognitionConfig.AudioEncoding.FLAC,
            sample_rate_hertz=16000,
            language_code="en-US", # Specify the language code (e.g., "en-US" for US English)
            # You can add more features here, e.g.:
            # enable_automatic_punctuation=True,
            # model="default" # or "latest_long", "phone_call", "video" (v2 API)
        )
    
        # Performs synchronous speech recognition on the audio file
        response = client.recognize(config=config, audio=audio)
    
        # Print the transcription
        for result in response.results:
            print(f"Transcript: {result.alternatives[0].transcript}")
            if result.alternatives[0].confidence:
                print(f"Confidence: {result.alternatives[0].confidence:.2f}")
    
        return response
    
    if __name__ == "__main__":
        # Replace with the URI of your audio file in Google Cloud Storage
        audio_file_uri = "AUDIO_FILE_URI"
    
        print(f"Transcribing audio from: {audio_file_uri}")
        transcribe_gcs_audio(audio_file_uri)
    

    Ersetzen Sie Folgendes:

    • AUDIO_FILE_URI: der URI einer Audiodatei "gs://your-bucket/your-image.png"
  2. So erstellen Sie ein Dockerfile:

    ROM python:3.9-slim
    
    WORKDIR /app
    
    COPY speech-to-text-test.py /app/
    
    # Install 'requests' for HTTP calls
    RUN pip install --no-cache-dir requests
    
    CMD ["python", "speech-to-text-test.py"]
    
  3. Erstellen Sie das Docker-Image für die Speech-to-Text-Anwendung:

    docker build -t speech-to-text-app .
    
  4. Folgen Sie der Anleitung unter Docker konfigurieren, um:

    1. Docker konfigurieren,
    2. Secret erstellen
    3. Laden Sie das Image in HaaS hoch.
  5. Melden Sie sich im Nutzercluster an und generieren Sie die kubeconfig-Datei mit einer Nutzeridentität. Achten Sie darauf, dass Sie den kubeconfig-Pfad als Umgebungsvariable festlegen:

    export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
    
  6. Erstellen Sie ein Kubernetes-Secret, indem Sie den folgenden Befehl in Ihrem Terminal ausführen und Ihren API-Schlüssel einfügen:

    kubectl create secret generic gcp-api-key-secret \
      --from-literal=GCP_API_KEY='PASTE_YOUR_API_KEY_HERE'
    

    Mit diesem Befehl wird ein Secret mit dem Namen gcp-api-key-secret und dem Schlüssel GCP_API_KEY erstellt.

  7. Wenden Sie das Kubernetes-Manifest an:

    apiVersion: batch/v1
    kind: Job
    metadata:
      name: speech-to-text-test-job
    spec:
      template:
        spec:
          containers:
          - name: speech-to-text-test-container
            image: HARBOR_INSTANCE_URL/HARBOR_PROJECT/speech-to-text-app:latest # Your image path
            # Mount the API key from the secret into the container
            # as an environment variable named GCP_API_KEY.
            imagePullSecrets:
            - name: SECRET
            envFrom:
            - secretRef:
                name: gcp-api-key-secret
          restartPolicy: Never
      backoffLimit: 4
    
    

    Ersetzen Sie Folgendes:

    • HARBOR_INSTANCE_URL: die URL der Harbor-Instanz.
    • HARBOR_PROJECT: das Harbor-Projekt.
    • SECRET: Der Name des Secrets, das zum Speichern von Docker-Anmeldedaten erstellt wurde.
  8. Prüfen Sie den Jobstatus:

    kubectl get jobs/speech-to-text-test-job
    # It will show 0/1 completions, then 1/1 after it succeeds
    
  9. Nachdem der Job abgeschlossen ist, können Sie die Ausgabe in den Pod-Logs ansehen:

    kubectl logs -l job-name=speech-to-text-test-job