Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Verwenden Sie ein trainiertes benutzerdefiniertes Speech-to-Text-Modell in Ihrer Produktionsanwendung oder in Benchmarking-Workflows. Sie müssen das Modell über einen dedizierten Endpunkt bereitstellen und verfügbar machen, der unter anderem dazu dient, das Modell in der von Ihnen ausgewählten Region bereitzustellen. Sie erhalten automatisch programmatischen Zugriff über ein Erkennungsobjekt. Es wird direkt über die V2 API oder in der Google Cloud Console verwendet. Sie können Ihr Modell in einer anderen Region bereitstellen als der, in der es trainiert wurde. Es wird jedoch eine Kopie des Modells in der Region erstellt, die durch den Endpunkt angegeben wird.
Wenn Sie ein benutzerdefiniertes Sprachmodell verwenden möchten, müssen Sie es über einen dedizierten Endpunkt bereitstellen und verfügbar machen. Wenn Sie einen Endpunkt erstellen, stellen Sie das Modell in der Region Ihrer Wahl bereit. Sie erhalten automatisch programmatischen Zugriff über ein Erkennungsobjekt, das Sie direkt über die V2 API für Inferenz oder in der Google Cloud Console verwenden können.
Hinweise
Sie müssen sich für ein Google Cloud -Konto registriert, ein Projekt erstellt und ein benutzerdefiniertes Sprachmodell trainiert haben.
Rufen Sie in der Google Cloud Console Speech auf und navigieren Sie dann zu Speech-to-Text.
Navigieren Sie über die Navigationsleiste auf der linken Seite zum Bereich Benutzerdefinierte Modelle.
Endpunkt erstellen
Rufen Sie im Abschnitt Benutzerdefinierte Modelle den Tab Endpunkte auf.
Klicken Sie auf Neuer Endpunkt.
Geben Sie einen Namen für den Endpunkt ein. Dieser Name dient als eindeutige Kennung für Ihre Endpunktressource und wird zum Aufrufen Ihres benutzerdefinierten Sprachmodells für die Inferenz verwendet.
Definieren Sie die Region, in der Ihr benutzerdefiniertes Sprachmodell bereitgestellt werden soll. Wenn das Modell in einer anderen Region trainiert wurde als der, die in der Endpunktkonfiguration festgelegt wurde, wird automatisch eine neue Modellkopie erstellt.
Wählen Sie aus der Liste das trainierte benutzerdefinierte Sprachmodell aus, das Sie über den Endpunkt bereitstellen möchten.
Klicken Sie auf Erstellen. Nach wenigen Augenblicken wird Ihr benutzerdefiniertes Sprachmodell in Ihrem Endpunkt bereitgestellt und kann für Inferenz und Benchmarking verwendet werden.
Endpunkte auflisten
Sie können die zugehörigen Endpunkte in der Console verwalten, indem Sie im Abschnitt „Benutzerdefinierte Modelle“ den Tab „Endpunkte“ auswählen. Sie können auch die Endpunkte auflisten, die Sie in der Konsole erstellt haben, zusammen mit ihrem aktuellen Status und dem zugehörigen benutzerdefinierten Speech-to-Text-Modell.
Endpunkt löschen
Bevor Sie beginnen, sollten Sie dafür sorgen, dass kein Traffic über Ihren Endpunkt geleitet wird, da er nach dem Löschen keine Anfragen mehr bedienen kann.
Rufen Sie im Abschnitt Benutzerdefinierte Modelle den Tab Endpunkte auf.
Klicken Sie auf dem Tab Endpunkte, um die Optionen zu maximieren, und dann auf Löschen. Der Endpunkt wird in wenigen Momenten gelöscht und stellt keinen Traffic mehr bereit.
Modell vergleichen
Um das benutzerdefinierte Speech-to-Text-Modell und Ihr Benchmarking-Dataset zur Bewertung der Accuracy Ihres Modells zu nutzen, folgen Sie dem Leitfaden zum Messen und Verbessern der Accuracy.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-18 (UTC)."],[],[],null,["# Deploy and manage endpoints\n\n| **Preview**\n|\n|\n| This feature is subject to the \"Pre-GA Offerings Terms\" in the General Service Terms section\n| of the [Service Specific Terms](/terms/service-terms#1).\n|\n| Pre-GA features are available \"as is\" and might have limited support.\n|\n| For more information, see the\n| [launch stage descriptions](/products#product-launch-stages).\n\nUse a trained Custom Speech-to-Text model in your production application or benchmarking workflows. You must deploy and expose the model through a dedicated endpoint, created in part to deploy the model in your chosen region. You automatically get programmatic access through a recognizer object. It is used directly through the V2 API or in the Google Cloud console. You can deploy your model in a region different from where it was trained, but a copy of the model is created in the region specified by the endpoint.\n\nTo use a custom speech model, you need to deploy and expose it through a dedicated endpoint. By creating an endpoint, you're deploying the model in the region of your choice. You're automatically granted programmatic access through a recognizer object to be used directly through the V2 API for inference or in the Google Cloud console.\n\nBefore you begin\n----------------\n\nEnsure you have signed up for a Google Cloud account, created a project, and trained a custom speech model.\n\n1. Go to **Speech** in the Google Cloud console, and navigate to Speech-to-Text.\n2. Navigate within the **Custom Models** section of the navigation bar on the left.\n\nCreate an endpoint\n------------------\n\n1. Navigate to the **Endpoints** tab of the **Custom Models** section.\n2. Click **New Endpoint**.\n3. Define a name for your endpoint. This acts as a unique identifier for your endpoint resource and is used to invoke your custom speech model for inference.\n4. Define the region where you want your custom speech model to be deployed. If the model was trained in a different region than the one defined in the endpoint configuration, a new model copy is created automatically.\n5. Select the trained custom speech model from the list that you want to expose through the endpoint.\n6. Click **Create** and after a few moments your custom speech model is deployed in your endpoint, ready to be used for inference and benchmarking.\n\nList your endpoints\n-------------------\n\nYou can manage the associated endpoints in the console by selecting the Endpoints tab under the Custom Models section. You can also list the endpoints that you created in the console, along with their current state and associated custom Speech-to-Text model.\n\nDelete an endpoint\n------------------\n\nBefore you start, make sure that there is no traffic routed through your endpoint, because deleting it will stop it from serving any requests.\n\n1. Navigate to the **Endpoints** tab of the **Custom Models** section.\n2. Under the **Endpoints** tab, click to expand options and then click **Delete**. In a few moments, the endpoint is deleted and no longer serves any traffic.\n\nBenchmark the model\n-------------------\n\nUsing the Custom Speech-to-Text model and your benchmarking dataset to assess the accuracy of your model, follow the [Measure and improve accuracy guide](/speech-to-text/docs/measure-accuracy)."]]
