מעבר לגרסה העדכנית ביותר של Cloud Speech-to-Text API

גרסה 2 של Cloud Speech-to-Text API מביאה ללקוחות את עיצוב ה-API העדכני ביותר Google Cloud כדי לעמוד בדרישות האבטחה והרגולציה של הארגון כבר מההתחלה.

הדרישות האלה מתבצעות באמצעות הפעולות הבאות:

  • מיקום הנתונים: Cloud STT V2 מציע את המגוון הרחב של מודלים קיימים לתמלול בGoogle Cloudאזורים כמו בלגיה או סינגפור. כך אפשר להפעיל את מודלי התמלול שלנו באמצעות שירות אזורי מלא.

  • יכולות הזיהוי של המשאבים: מזהים הם הגדרות זיהוי לשימוש חוזר שיכולות להכיל שילוב של מודל, שפה ותכונות.

  • רישום ביומן: יצירת משאבים ותמלילים יוצרת יומנים שזמינים במסוף Google Cloud , וכך מאפשרת טלמטריה וניפוי באגים טובים יותר.

  • הצפנה: Cloud Speech-to-Text V2 תומך במפתחות הצפנה בניהול הלקוח לכל המשאבים, וגם בתמלול באצווה.

  • ‫Audio auto-detect: Cloud Speech-to-Text V2 יכול לזהות באופן אוטומטי את קצב הדגימה, מספר הערוצים והפורמט של קובצי האודיו, בלי שתצטרכו לספק את המידע הזה בהגדרת הבקשה.

מעבר מגרסה 1 לגרסה 2

המעבר מ-V1 API ל-V2 API לא מתבצע באופן אוטומטי. כדי ליהנות מהתכונות, צריך לבצע שינויים מינימליים בהטמעה.

מיגרציה ב-API

בדומה ל-Cloud STT V1, כדי לתמלל אודיו, צריך ליצור RecognitionConfig על ידי בחירת שפת האודיו ומודל הזיהוי הרצוי:

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

אם צריך, בוחרים אזור שבו רוצים להשתמש ב-Cloud Speech-to-Text API, ובודקים את הזמינות של השפה והמודל באזור הזה:

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

אופציונלי: אם רוצים לעשות שימוש חוזר בהגדרת זיהוי ספציפית בהרבה בקשות תמלול, אפשר ליצור משאב לזיהוי:

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

יש הבדלים נוספים בבקשות ובתגובות בגרסה החדשה של API‏ (V2). פרטים נוספים מופיעים במאמרי העזרה.

העברה בממשק המשתמש

כדי לבצע את ההעברה דרך מסוף Speech Google Cloud , פועלים לפי השלבים הבאים:

  1. עוברים אל מסוף Google Cloud Speech.

  2. עוברים לדף תמלילים.

  3. לוחצים על תמלול חדש ובוחרים את האודיו בכרטיסייה הגדרת אודיו.

  4. בכרטיסייה אפשרויות תמלול, בוחרים באפשרות V2.

המאמרים הבאים

  • אפשר להשתמש בספריות לקוח כדי לתמלל אודיו באמצעות שפת התכנות המועדפת עליכם.
  • איך מתמללים קובצי אודיו קצרים
  • איך מתמללים אודיו בסטרימינג
  • איך מתמללים קובצי אודיו ארוכים

    •