Teste a Speech-to-Text

Neste guia, mostramos o processo de execução de um teste de conversão Speech-to-Text usando o serviço Vertex AI Speech do Google.

Antes de testar essa amostra, siga as instruções de configuração para Python no Guia de início rápido da Vertex AI: como usar bibliotecas de cliente. Para mais informações, consulte a documentação de referência da API Python da Vertex AI.

1. Crie um arquivo Python speech-to-text-test.py. Substitua o valor image_uri_to_test pelo URI de uma imagem de origem, conforme mostrado:

   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", "chirp" (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)
   

   Substitua:

   • AUDIO_FILE_URI: o URI de um arquivo de áudio "gs://your-bucket/your-image.png"

2. Crie um 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. Crie a imagem do Docker para o aplicativo Speech-to-Text:

   docker build -t speech-to-text-app .
   

4. Siga as instruções em Configurar o Docker para:

   1. Configure o Docker.
   2. Crie um secret e
   3. Faça upload da imagem para o HaaS.

5. Faça login no cluster de usuário e gere o arquivo kubeconfig com uma identidade de usuário. Verifique se você definiu o caminho do kubeconfig como uma variável de ambiente:

   export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
   

6. Execute o seguinte comando no terminal, colando sua chave de API, para criar um secret do Kubernetes:

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

   Esse comando cria um secret chamado gcp-api-key-secret com uma chave GCP_API_KEY.

7. Aplique o manifesto do Kubernetes:

   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
   
   

   Substitua:

   • HARBOR_INSTANCE_URL: o URL da instância do Harbor.
   • HARBOR_PROJECT: o projeto do Harbor.
   • SECRET: o nome do secret criado para armazenar credenciais do Docker.

8. Verifique o status do job:

   kubectl get jobs/speech-to-text-test-job
   # It will show 0/1 completions, then 1/1 after it succeeds
   

9. Depois que o job for concluído, será possível conferir a saída nos registros do pod:

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