Migrar a la versión más reciente de la API Cloud Speech-to-Text

La versión 2 de la API Cloud Speech-to-Text ofrece el Google Cloud diseño de API más reciente para que los clientes cumplan los requisitos normativos y de seguridad de las empresas desde el primer momento.

Estos requisitos se cumplen de las siguientes formas:

  • Residencia de datos: Cloud STT V2 ofrece la amplia gama de nuestros modelos de transcripción en Google Cloudregiones, como Bélgica o Singapur. Esto permite invocar nuestros modelos de transcripción a través de un servicio totalmente regionalizado.

  • Recursos de reconocedores: los reconocedores son configuraciones de reconocimiento reutilizables que pueden contener una combinación de modelo, idioma y funciones.

  • Registro: la creación de recursos y las transcripciones generan registros disponibles en la Google Cloud consola, lo que permite mejorar la telemetría y la depuración.

  • Cifrado: Cloud Speech-to-Text V2 admite claves de cifrado gestionadas por el cliente para todos los recursos, así como transcripción en lotes.

  • Detección automática de audio: Cloud Speech-to-Text V2 puede detectar automáticamente la frecuencia de muestreo, el número de canales y el formato de tus archivos de audio sin necesidad de proporcionar esa información en la configuración de la solicitud.

Migrar de la versión 1 a la 2

La migración de la API V1 a la API V2 no se realiza automáticamente. Para aprovechar el conjunto de funciones, solo hay que hacer cambios mínimos en la implementación.

Migrar en la API

Al igual que en la versión 1 de Cloud STT, para transcribir audio, debes crear un RecognitionConfig seleccionando el idioma del audio y el modelo de reconocimiento que quieras:

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

Si es necesario, selecciona una región en la que quieras usar la API Cloud Speech-to-Text y consulta la disponibilidad de idiomas y modelos en esa región:

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

Si necesitas reutilizar una configuración de reconocimiento específica en muchas solicitudes de transcripción, puedes crear un recurso de reconocedor:

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

Hay otras diferencias en las solicitudes y respuestas de la nueva API V2. Para obtener más información, consulta la documentación de referencia.

Migrar en la interfaz de usuario

Para migrar a través de la consola de Speech, sigue estos pasos: Google Cloud

  1. Ve a la consola de Google Cloud Speech.

  2. Vaya a la página Transcripciones.

  3. Haz clic en Nueva transcripción y selecciona el audio en la pestaña Configuración de audio.

  4. En la pestaña Opciones de transcripción, selecciona V2.

Siguientes pasos

  • Usa bibliotecas de cliente para transcribir audio con tu lenguaje de programación favorito.
  • Consulta cómo transcribir archivos de audio cortos.
  • Consulta cómo transcribir audio de streaming.
  • Consulta cómo transcribir archivos de audio largos.

    •