ML.TRANSCRIBE 関数を使用して音声ファイルを音声文字変換する

このドキュメントでは、リモートモデルで ML.TRANSCRIBE 関数を使用して、オブジェクト テーブルから音声ファイルを文字変換する方法について説明します。

サポートされているロケーション

この手順で使用するリモートモデルは、次のいずれかのロケーションに作成する必要があります。

• asia-northeast1
• asia-south1
• asia-southeast1
• australia-southeast1
• eu
• europe-west1
• europe-west2
• europe-west3
• europe-west4
• northamerica-northeast1
• us
• us-central1
• us-east1
• us-east4
• us-west1

ML.TRANSCRIBE 関数は、リモートモデルと同じリージョンで実行する必要があります。

必要な権限

• Speech-to-Text 認識ツールを使用するには、次のロールが必要です。

  • speech.recognizers.create
  • speech.recognizers.get
  • speech.recognizers.recognize
  • speech.recognizers.update

• 接続を作成するには、次のロールのメンバーが必要です。

  • roles/bigquery.connectionAdmin

• BigQuery ML を使用してモデルを作成するには、次の権限が必要です。

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData
  • bigquery.models.updateMetadata

• 推論を実行するには、次の権限が必要です。

  • オブジェクト テーブルに対する bigquery.tables.getData
  • モデルに対する bigquery.models.getData
  • bigquery.jobs.create

準備

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the BigQuery, BigQuery Connection API, and Speech-to-Text APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the BigQuery, BigQuery Connection API, and Speech-to-Text APIs.

   Enable the APIs

認識ツールを作成する

Speech-to-Text は、認識ツールと呼ばれるリソースをサポートしています。認識ツールは、保存され再利用可能な認識構成を表します。認識ツールを作成して、アプリケーションの音声文字変換やトラフィックを論理的にグループ化できます。

音声認識ツールの作成は任意です。音声認識ツールを作成する場合は、CREATE MODEL ステートメントで使用する認識ツールのプロジェクト ID、ロケーション、認識ツール ID をメモします（SPEECH_RECOGNIZER を参照）。音声認識ツールを作成しない場合は、ML.TRANSCRIBE 関数の recognition_config 引数に値を指定する必要があります。

使用できるのは、指定した音声認識ツールまたは recognition_config 値の chirp 音声文字変換モデルのみです。

接続を作成する

クラウド リソース接続を作成し、接続のサービス アカウントを取得します。

次のオプションのいずれかを選択します。

# This queries the provider for project information.
data "google_project" "default" {}

# This creates a cloud resource connection in the US region named my_cloud_resource_connection.
# Note: The cloud resource nested object has only one output field - serviceAccountId.
resource "google_bigquery_connection" "default" {
  connection_id = "my_cloud_resource_connection"
  project       = data.google_project.default.project_id
  location      = "US"
  cloud_resource {}
}

サービス アカウントへのアクセスを許可する

次のオプションのいずれかを選択します。

gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/speech.client' --condition=None
gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/storage.objectViewer' --condition=None

権限を付与しないと、Permission denied エラーが発生します。

データセットを作成する

モデルとオブジェクト テーブルを含むデータセットを作成します。

オブジェクト テーブルを作成する

Cloud Storage 内の一連の音声ファイルにオブジェクト テーブルを作成します。オブジェクト テーブルの音声ファイルはサポートされているタイプである必要があります。

オブジェクト テーブルで使用する Cloud Storage バケットは、モデルを作成し、ML.TRANSCRIBE 関数を呼び出すプロジェクトに含まれている必要があります。オブジェクト テーブルで使用される Cloud Storage バケットを含むプロジェクトとは異なるプロジェクトで ML.TRANSCRIBE 関数を呼び出す場合は、service-A@gcp-sa-aiplatform.iam.gserviceaccount.com サービス アカウントにバケット レベルでストレージ管理者ロールを付与する必要があります。

モデルを作成する

CLOUD_AI_SPEECH_TO_TEXT_V2 の REMOTE_SERVICE_TYPE を使用してリモートモデルを作成します。

CREATE OR REPLACE MODEL
`PROJECT_ID.DATASET_ID.MODEL_NAME`
REMOTE WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID`
OPTIONS (
  REMOTE_SERVICE_TYPE = 'CLOUD_AI_SPEECH_TO_TEXT_V2',
  SPEECH_RECOGNIZER = 'projects/PROJECT_NUMBER/locations/LOCATION/recognizers/RECOGNIZER_ID'
);

次のように置き換えます。

• PROJECT_ID: プロジェクト ID。
• DATASET_ID: モデルを格納するデータセットの ID。
• MODEL_NAME: モデルの名前
• REGION: 接続で使用されるリージョン。
• CONNECTION_ID: 接続 ID（例: myconnection）。

  Google Cloud コンソールで接続の詳細を表示する場合、接続 ID は接続 ID に表示される完全修飾接続 ID の最後のセクションの値です。例: projects/myproject/locations/connection_location/connections/myconnection

• PROJECT_NUMBER: 音声認識ツールを含むプロジェクトのプロジェクト番号。この値は、Google Cloud コンソールの [ダッシュボード] ページにある [プロジェクト情報] カードで確認できます。
• LOCATION: 音声認識ツールで使用されるロケーション。この値は、Google Cloud コンソールの [リスト認識機能] ページの [ロケーション] フィールドで確認できます。
• RECOGNIZER_ID: 音声認識機能 ID。この値は、Google Cloud コンソールの [リスト認識機能] ページの [ID] フィールドで確認できます。

  このオプションは必須ではありません。値を指定しない場合、デフォルトの認識ツールが使用されます。その場合は、デフォルトの認識ツールの構成を指定するために、ML.TRANSCRIBE 関数の recognition_config パラメータに値を指定する必要があります。

  指定する recognition_config 値で使用できるのは、chirp 音声文字変換モデルのみです。

音声ファイルを音声文字変換する

ML.TRANSCRIBE 関数を使用して、音声ファイルを音声文字変換します。

SELECT *
FROM ML.TRANSCRIBE(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  TABLE `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME`,
  RECOGNITION_CONFIG => ( JSON 'recognition_config')
);

次のように置き換えます。

• PROJECT_ID: プロジェクト ID。
• DATASET_ID: モデルを格納するデータセットの ID。
• MODEL_NAME: モデルの名前
• OBJECT_TABLE_NAME: 処理する音声ファイルの URI を含むオブジェクト テーブルの名前。
• recognition_config: JSON 形式の RecognitionConfig リソース。

  SPEECH_RECOGNIZER オプションを使用してリモートモデルに認識機能を指定した場合は、recognition_config 値を指定できません。

  SPEECH_RECOGNIZER オプションを使用してリモートモデルに認識機能を指定していない場合は、recognition_config 値を指定する必要があります。この値は、デフォルトの認識ツールの構成を提供するために使用されます。

  指定する recognition_config 値で使用できるのは、chirp 音声文字変換モデルのみです。

例

例 1

次の例では、認識機能のデフォルト構成をオーバーライドせずに、audio テーブルで表示される音声ファイルを文字変換します。

SELECT *
FROM ML.TRANSCRIBE(
  MODEL `myproject.mydataset.transcribe_model`,
  TABLE `myproject.mydataset.audio`
);

次の例では、audio テーブルで表される音声ファイルを文字変換し、デフォルトの認識ツールの構成を指定します。

SELECT *
FROM ML.TRANSCRIBE(
  MODEL `myproject.mydataset.transcribe_model`,
  TABLE `myproject.mydataset.audio`,
  recognition_config => ( JSON '{"language_codes": ["en-US" ],"model": "chirp","auto_decoding_config": {}}')
);

次のステップ

• BigQuery ML でのモデルの推論については、モデルの推論の概要をご覧ください。
• 各モデルタイプでサポートされている SQL ステートメントと関数については、各モデルのエンドツーエンドのユーザー ジャーニーをご覧ください。