Strumenti di riconoscimento

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Speech-to-Text V2 supporta una Google Cloud risorsa chiamata recognizers. I riconoscimenti rappresentano la configurazione di riconoscimento archiviata e riutilizzabile. Puoi utilizzarli per raggruppare logicamente le trascrizioni o il traffico per la tua applicazione.

Prima di iniziare

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 Speech-to-Text APIs.

   Enable the APIs

5. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      Vai a IAM
   2. Seleziona il progetto.
   3. Fai clic su person_add Concedi accesso.

   4. Nel campo Nuovi principali, inserisci il tuo identificatore utente. In genere si tratta dell'indirizzo email di un Account Google.

   5. Nell'elenco Seleziona un ruolo, seleziona un ruolo.
   6. Per concedere altri ruoli, fai clic su add Aggiungi un altro ruolo e aggiungi ogni ruolo aggiuntivo.
   7. Fai clic su Salva.
6. Install the Google Cloud CLI.

7. If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

8. To initialize the gcloud CLI, run the following command:

   gcloud init

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

   Go to project selector

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

11. Enable the Speech-to-Text APIs.

    Enable the APIs

12. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

    Check for the roles

    1. In the Google Cloud console, go to the IAM page.

       Go to IAM
    2. Select the project.

    3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

    4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

    Grant the roles

    1. In the Google Cloud console, go to the IAM page.

       Vai a IAM
    2. Seleziona il progetto.
    3. Fai clic su person_add Concedi accesso.

    4. Nel campo Nuovi principali, inserisci il tuo identificatore utente. In genere si tratta dell'indirizzo email di un Account Google.

    5. Nell'elenco Seleziona un ruolo, seleziona un ruolo.
    6. Per concedere altri ruoli, fai clic su add Aggiungi un altro ruolo e aggiungi ogni ruolo aggiuntivo.
    7. Fai clic su Salva.
13. Install the Google Cloud CLI.

14. If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

15. To initialize the gcloud CLI, run the following command:

    gcloud init

Le librerie client possono utilizzare le credenziali predefinite dell'applicazione per autenticarsi facilmente con le API di Google e inviare richieste a queste API. Con le credenziali predefinite dell'applicazione, puoi testare l'applicazione localmente e eseguirne il deployment senza modificare il codice sottostante. Per ulteriori informazioni, consulta Eseguire l'autenticazione per l'utilizzo delle librerie client.

16. If you're using a local shell, then create local authentication credentials for your user account:

    gcloud auth application-default login

    You don't need to do this if you're using Cloud Shell.

    If an authentication error is returned, and you are using an external identity provider (IdP), confirm that you have signed in to the gcloud CLI with your federated identity.

Assicurati inoltre di aver installato la libreria client.

Informazioni sui riconoscitori

I riconoscitori sono configurazioni di riconoscimento riutilizzabili e configurabili. La creazione di riconoscitori con configurazione di riconoscimento di uso frequente consente di semplificare e ridurre le dimensioni delle richieste di riconoscimento.

L'elemento principale di un riconoscitore è la sua configurazione predefinita. Questa è la configurazione per ogni richiesta di riconoscimento eseguita da questo riconoscitore. Puoi eseguire l'override di questo valore predefinito per richiesta. Mantieni la configurazione predefinita per le funzionalità di cui hai bisogno nelle richieste per un determinato riconoscitore, sostituendo al contempo funzionalità specifiche per richieste specifiche.

Riutilizza i riconoscitori il più spesso possibile. Se ne crei uno per ogni richiesta, la latenza dell'applicazione aumenta notevolmente e vengono utilizzate le quote delle risorse. Creali di rado durante l'integrazione e la configurazione, quindi riutilizzali per le richieste di riconoscimento.

Creare riconoscitori

Ecco un esempio di creazione di un riconoscitore che può essere utilizzato per inviare richieste di riconoscimento:

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

Utilizzare un riconoscitore esistente per inviare richieste

Ecco un esempio di invio di più richieste di riconoscimento utilizzando lo stesso riconoscitore:

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 transcribe_reuse_recognizer(
    audio_file: str,
    recognizer_id: str,
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file using an existing recognizer.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
            Example: "resources/audio.wav"
        recognizer_id (str): The ID of the existing recognizer to be used for transcription.
    Returns:
        cloud_speech.RecognizeResponse: The response containing the transcription results.
    """
    # Instantiates a client
    client = SpeechClient()

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/global/recognizers/{recognizer_id}",
        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

Attivare le funzionalità in un riconoscitore

I riconoscitori possono essere utilizzati per attivare varie funzionalità di riconoscimento, come la punteggiatura automatica o il filtro dei contenuti inappropriati.

Ecco un esempio di attivazione della punteggiatura automatica in un riconoscitore, che attiva la punteggiatura automatica nella richiesta di riconoscimento che utilizza questo riconoscitore:

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

from google.api_core.exceptions import NotFound

# Instantiates a client
client = SpeechClient()

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"
# recognizer_id = "id-recognizer"
recognizer_name = (
    f"projects/{PROJECT_ID}/locations/global/recognizers/{recognizer_id}"
)
try:
    # Use an existing recognizer
    recognizer = client.get_recognizer(name=recognizer_name)
    print("Using existing Recognizer:", recognizer.name)
except NotFound:
    # Create a new recognizer
    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(
                auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
                language_codes=["en-US"],
                model="latest_long",
                features=cloud_speech.RecognitionFeatures(
                    enable_automatic_punctuation=True,
                ),
            ),
        ),
    )
    operation = client.create_recognizer(request=request)
    recognizer = operation.result()
    print("Created Recognizer:", recognizer.name)

# Reads a file as bytes
with open(audio_file, "rb") as f:
    audio_content = f.read()

request = cloud_speech.RecognizeRequest(
    recognizer=f"projects/{PROJECT_ID}/locations/global/recognizers/{recognizer_id}",
    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}")

Sostituire le funzionalità del riconoscitore nelle richieste di riconoscimento

Ecco un esempio di attivazione di più funzionalità in un riconoscitore, ma di disattivazione della punteggiatura automatica per questa richiesta di riconoscimento:

import os

from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech
from google.protobuf.field_mask_pb2 import FieldMask

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def transcribe_override_recognizer(
    audio_file: str,
    recognizer_id: str,
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file using an existing recognizer with overridden settings for the recognition request.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
            Example: "resources/audio.wav"
        recognizer_id (str): The unique ID of the recognizer to be used for transcription.
    Returns:
        cloud_speech.RecognizeResponse: The response containing the transcription results.
    """
    # 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(
                auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
                language_codes=["en-US"],
                model="latest_long",
                features=cloud_speech.RecognitionFeatures(
                    enable_automatic_punctuation=True,
                    enable_word_time_offsets=True,
                ),
            ),
        ),
    )

    operation = client.create_recognizer(request=request)
    recognizer = operation.result()

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

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/global/recognizers/{recognizer_id}",
        config=cloud_speech.RecognitionConfig(
            features=cloud_speech.RecognitionFeatures(
                enable_word_time_offsets=False,
            ),
        ),
        config_mask=FieldMask(paths=["features.enable_word_time_offsets"]),
        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

Inviare richieste senza riconoscitori

I riconoscitori sono facoltativi nelle richieste di riconoscimento. Per effettuare una richiesta senza un riconoscitore, utilizza semplicemente l'ID risorsa del riconosciutore _ nella posizione in cui effettui la richiesta. Ecco un esempio:

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

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.

1. Optional: Revoke the authentication credentials that you created, and delete the local credential file.

   gcloud auth application-default revoke

2. Optional: Revoke credentials from the gcloud CLI.

   gcloud auth revoke

gcloud projects delete PROJECT_ID

Passaggi successivi

• Fai pratica di trascrizione di file audio brevi.
• Scopri come trascrivere l'audio in streaming.
• Scopri come trascrivere file audio lunghi.
• Per ottenere il massimo rendimento e la massima precisione e altri suggerimenti, consulta la documentazione relativa alle best practice.