Mentranskripsi audio dari input streaming

Bagian ini menjelaskan cara mentranskripsi audio streaming, seperti input dari mikrofon, menjadi teks.

Pengenalan ucapan streaming memungkinkan Anda mengalirkan audio ke Speech-to-Text dan menerima hasil pengenalan ucapan streaming secara real time saat audio diproses. Lihat juga batas audio untuk permintaan pengenalan ucapan streaming. Pengenalan ucapan streaming hanya tersedia melalui gRPC.

Sebelum memulai

1. Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

2. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

   Buka pemilih project

3. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

4. Aktifkan API Speech-to-Text.

   Mengaktifkan API

5. Pastikan Anda memiliki peran berikut di project: Cloud Speech Administrator

   Memeriksa peran

   1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
   2. Pilih project.

   3. Di kolom Akun utama, cari baris yang berisi alamat email Anda.

      Jika alamat email Anda tidak ada di kolom tersebut, berarti Anda tidak memiliki peran apa pun.

   4. Di kolom Peran untuk baris yang berisi alamat email Anda, periksa apakah daftar peran menyertakan peran yang diperlukan.

   Memberikan peran

   1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
   2. Pilih project.
   3. Klik person_add Berikan akses.
   4. Di kolom Akun utama baru, masukkan alamat email Anda.
   5. Di daftar Pilih peran, pilih peran.
   6. Untuk memberikan peran tambahan, klik add Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
   7. Klik Simpan.
6. Menginstal Google Cloud CLI.

7. Untuk initialize gcloud CLI, jalankan perintah berikut:

   gcloud init

8. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

   Buka pemilih project

9. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

10. Aktifkan API Speech-to-Text.

    Mengaktifkan API

11. Pastikan Anda memiliki peran berikut di project: Cloud Speech Administrator

    Memeriksa peran

    1. Di konsol Google Cloud, buka halaman IAM.

       Buka IAM
    2. Pilih project.

    3. Di kolom Akun utama, cari baris yang berisi alamat email Anda.

       Jika alamat email Anda tidak ada di kolom tersebut, berarti Anda tidak memiliki peran apa pun.

    4. Di kolom Peran untuk baris yang berisi alamat email Anda, periksa apakah daftar peran menyertakan peran yang diperlukan.

    Memberikan peran

    1. Di konsol Google Cloud, buka halaman IAM.

       Buka IAM
    2. Pilih project.
    3. Klik person_add Berikan akses.
    4. Di kolom Akun utama baru, masukkan alamat email Anda.
    5. Di daftar Pilih peran, pilih peran.
    6. Untuk memberikan peran tambahan, klik add Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
    7. Klik Simpan.
12. Menginstal Google Cloud CLI.

13. Untuk initialize gcloud CLI, jalankan perintah berikut:

    gcloud init

Library klien dapat menggunakan Kredensial Default Aplikasi untuk dengan mudah melakukan autentikasi dengan Google API dan mengirim permintaan ke API tersebut. Dengan Kredensial Default Aplikasi, Anda dapat menguji aplikasi secara lokal dan men-deploy aplikasi tanpa mengubah kode yang mendasarinya. Untuk informasi selengkapnya, lihat Autentikasi untuk menggunakan library klien.

14. Buat kredensial autentikasi lokal untuk Akun Google Anda:

    gcloud auth application-default login

Pastikan juga Anda telah menginstal library klien.

Menjalankan pengenalan ucapan streaming pada file lokal

Di bawah ini adalah contoh cara menjalankan pengenalan ucapan streaming pada file audio lokal. Ada batas 25 KB untuk audio yang dikirim dalam permintaan streaming. Batas ini berlaku baik untuk permintaan StreamingRecognize awal maupun ukuran setiap pesan individual dalam streaming. Jika batas ini terlampaui, error akan muncul.

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

def transcribe_streaming_v2(
    project_id: str,
    audio_file: str,
) -> cloud_speech_types.StreamingRecognizeResponse:
    """Transcribes audio from audio file stream.

    Args:
        project_id: The GCP project ID.
        audio_file: The path to the audio file to transcribe.

    Returns:
        The response from the transcribe method.
    """
    # Instantiates a client
    client = SpeechClient()

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

    # In practice, stream should be a generator yielding chunks of audio data
    chunk_length = len(content) // 5
    stream = [
        content[start : start + chunk_length]
        for start in range(0, len(content), chunk_length)
    ]
    audio_requests = (
        cloud_speech_types.StreamingRecognizeRequest(audio=audio) for audio in stream
    )

    recognition_config = cloud_speech_types.RecognitionConfig(
        auto_decoding_config=cloud_speech_types.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="long",
    )
    streaming_config = cloud_speech_types.StreamingRecognitionConfig(
        config=recognition_config
    )
    config_request = cloud_speech_types.StreamingRecognizeRequest(
        recognizer=f"projects/{project_id}/locations/global/recognizers/_",
        streaming_config=streaming_config,
    )

    def requests(config: cloud_speech_types.RecognitionConfig, audio: list) -> list:
        yield config
        yield from audio

    # Transcribes the audio into text
    responses_iterator = client.streaming_recognize(
        requests=requests(config_request, audio_requests)
    )
    responses = []
    for response in responses_iterator:
        responses.append(response)
        for result in response.results:
            print(f"Transcript: {result.alternatives[0].transcript}")

    return responses

Meskipun Anda dapat mengalirkan file audio lokal ke Speech-to-Text API, sebaiknya jalankan pengenalan audio sinkron.

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan pada halaman ini, ikuti langkah-langkah berikut.

1. Opsional: Cabut kredensial autentikasi yang Anda buat, dan hapus file kredensial lokal.

   gcloud auth application-default revoke

2. Opsional: Cabut kredensial dari gcloud CLI.

   gcloud auth revoke

gcloud projects delete PROJECT_ID

Langkah selanjutnya

• Lihat dokumentasi referensi untuk pengenalan streaming.
• Berlatihlah mentranskripsi file audio singkat.
• Pelajari cara mentranskripsi file audio panjang.
• Transkripsikan file audio menggunakan Chirp.
• Untuk performa terbaik, akurasi, dan tips lainnya, lihat dokumentasi praktik terbaik.