Esegui la migrazione all'ultima versione dell'API Cloud Speech-to-Text

L'API Cloud Speech-to-Text v2 offre ai clienti la progettazione API più recente Google Cloud per soddisfare i requisiti normativi e di sicurezza aziendale fin dal primo avvio.

Questi requisiti vengono soddisfatti tramite quanto segue:

  • Residenza dei dati: Cloud STT v2 offre l'ampia gamma di modelli di trascrizione esistenti in Google Cloud regioni come Belgio o Singapore. Ciò consente di chiamare i nostri modelli di trascrizione tramite un servizio completamente regionalizzato.

  • Risorse del riconoscitore: i riconoscitori sono configurazioni di riconoscimento riutilizzabili che possono contenere una combinazione di modello, lingua e funzionalità.

  • Logging: la creazione di risorse e le trascrizioni generano log disponibili nella console Google Cloud , il che consente una migliore telemetria e un debug più efficace.

  • Crittografia: Cloud Speech-to-Text v2 supporta le chiavi di crittografia gestite dal cliente per tutte le risorse, oltre alla trascrizione batch.

  • Rilevamento automatico dell'audio: Cloud Speech-to-Text v2 è in grado di rilevare automaticamente la frequenza di campionamento, il numero di canali e il formato dei file audio, senza dover fornire queste informazioni nella configurazione della richiesta.

Eseguire la migrazione dalla v1 alla v2

La migrazione dall'API v1 all'API v2 non avviene automaticamente. Sono necessarie modifiche minime all'implementazione per sfruttare il set di funzionalità.

Eseguire la migrazione nell'API

Analogamente a Cloud STT v1, per trascrivere l'audio devi creare un RecognitionConfig selezionando la lingua dell'audio e il modello di riconoscimento di tua scelta:

Python

import os

from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def quickstart_v2(audio_file: str) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
    Returns:
        cloud_speech.RecognizeResponse: The response from the recognize request, containing
        the transcription results
    """
    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    # Instantiates a client
    client = SpeechClient()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="long",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/global/recognizers/_",
        config=config,
        content=audio_content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")

    return response

Se necessario, seleziona una regione in cui vuoi utilizzare l' API Cloud Speech-to-Text e controlla la disponibilità di lingua e modello in quella regione:

Python

import os

from google.api_core.client_options import ClientOptions
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def change_speech_v2_location(
    audio_file: str, location: str
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file in a specific region. It allows for specifying the location
        to potentially reduce latency and meet data residency requirements.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
        location (str): The region where the Speech API will be accessed.
            E.g., "europe-west3"
    Returns:
        cloud_speech.RecognizeResponse: The full response object which includes the transcription results.
    """
    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    # Instantiates a client to a regionalized Speech endpoint.
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint=f"{location}-speech.googleapis.com",
        )
    )

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="long",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/{location}/recognizers/_",
        config=config,
        content=audio_content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")
    return response

Facoltativamente, crea una risorsa di riconoscimento se devi riutilizzare una configurazione di riconoscimento specifica in molte richieste di trascrizione:

Python

import os

from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def create_recognizer(recognizer_id: str) -> cloud_speech.Recognizer:
    """Сreates a recognizer with an unique ID and default recognition configuration.
    Args:
        recognizer_id (str): The unique identifier for the recognizer to be created.
    Returns:
        cloud_speech.Recognizer: The created recognizer object with configuration.
    """
    # Instantiates a client
    client = SpeechClient()

    request = cloud_speech.CreateRecognizerRequest(
        parent=f"projects/{PROJECT_ID}/locations/global",
        recognizer_id=recognizer_id,
        recognizer=cloud_speech.Recognizer(
            default_recognition_config=cloud_speech.RecognitionConfig(
                language_codes=["en-US"], model="long"
            ),
        ),
    )
    # Sends the request to create a recognizer and waits for the operation to complete
    operation = client.create_recognizer(request=request)
    recognizer = operation.result()

    print("Created Recognizer:", recognizer.name)
    return recognizer

Esistono altre differenze nelle richieste e nelle risposte nella nuova API v2. Per maggiori dettagli, consulta la documentazione di riferimento.

Eseguire la migrazione nell'interfaccia utente

Per eseguire la migrazione tramite Speech Google Cloud console:

  1. Vai a Speech Google Cloud console.

  2. Vai alla pagina Trascrizioni.

  3. Fai clic su Nuova trascrizione e seleziona l'audio nella scheda Configurazione audio.

  4. Nella scheda Opzioni di trascrizione, seleziona v2.

Passaggi successivi

  • Utilizza le librerie client per trascrivere l'audio utilizzando il tuo linguaggio di programmazione preferito.
  • Scopri come trascrivere file audio brevi.
  • Scopri come trascrivere l'audio in streaming.
  • Scopri come trascrivere file audio lunghi.

    •