Mentranskripsikan file audio dengan fungsi ML.TRANSCRIBE

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk memberikan masukan atau meminta dukungan terkait fitur ini, kirim email ke [e-mail].

Dokumen ini menjelaskan cara menggunakan fungsi ML.TRANSCRIBE dengan model jarak jauh untuk mentranskripsikan file audio dari tabel objek.

Lokasi yang didukung

Anda harus membuat model jarak jauh yang digunakan dalam prosedur ini di salah satu lokasi berikut:

• 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

Anda harus menjalankan fungsi ML.TRANSCRIBE di region yang sama dengan model jarak jauh.

Izin yang diperlukan

• Agar dapat menggunakan pengenal Speech-to-Text, Anda memerlukan peran berikut:

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

• Untuk membuat koneksi, Anda memerlukan keanggotaan dalam peran berikut:

  • roles/bigquery.connectionAdmin

• Untuk membuat model menggunakan BigQuery ML, Anda memerlukan izin berikut:

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

• Untuk menjalankan inferensi, Anda memerlukan izin berikut:

  • bigquery.tables.getData pada tabel objek
  • bigquery.models.getData pada model
  • bigquery.jobs.create

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.

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

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

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

   Enable the APIs

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

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

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

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

   Enable the APIs

Buat pengenal

Speech-to-Text mendukung resource yang disebut pengenal. Pengenal mewakili konfigurasi pengenalan yang disimpan dan dapat digunakan kembali. Anda dapat membuat pengenal untuk mengelompokkan transkripsi atau traffic secara logis untuk aplikasi Anda.

Membuat pengenal ucapan bersifat opsional. Jika Anda memilih untuk membuat pengenal ucapan, catat project ID, lokasi, dan ID pengenal dari pengenal tersebut untuk digunakan dalam pernyataan CREATE MODEL, seperti yang dijelaskan di SPEECH_RECOGNIZER. Jika memilih untuk tidak membuat pengenal ucapan, Anda harus menentukan nilai untuk argumen recognition_config dari fungsi ML.TRANSCRIBE.

Membuat koneksi

Buat koneksi resource cloud dan dapatkan akun layanan koneksi tersebut.

Pilih salah satu opsi berikut:

Konsol

1. Buka halaman BigQuery.

   Buka BigQuery

2. Untuk membuat koneksi, klik Add, lalu klik Connections to external data sources.

3. Dalam daftar Connection type, pilih Vertex AI remote models, remote functions and BigLake (Cloud Resource).

4. Di kolom Connection ID, masukkan nama untuk koneksi Anda.

5. Klik Create connection.

6. Klik Go to connection.

7. Di panel Connection info, salin ID akun layanan untuk digunakan di langkah berikutnya.

bq

1. Di lingkungan command line, buat koneksi:

   bq mk --connection --location=REGION --project_id=PROJECT_ID \
       --connection_type=CLOUD_RESOURCE CONNECTION_ID
   

   Parameter --project_id akan mengganti project default.

   Ganti kode berikut:

   • REGION: region koneksi Anda
   • PROJECT_ID: project ID Google Cloud Anda
   • CONNECTION_ID: ID untuk koneksi Anda

   Saat Anda membuat resource koneksi, BigQuery akan membuat akun layanan sistem unik dan mengaitkannya dengan koneksi.

   Pemecahan masalah: Jika Anda mendapatkan error koneksi berikut, update Google Cloud SDK:

   Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
   

2. Ambil dan salin ID akun layanan untuk digunakan di langkah berikutnya:

   bq show --connection PROJECT_ID.REGION.CONNECTION_ID
   

   Outputnya mirip dengan hal berikut ini:

   name                          properties
   1234.REGION.CONNECTION_ID     {"serviceAccountId": "[e-mail]"}
   

Terraform

Tambahkan bagian berikut ke dalam file main.tf Anda.

 ## This creates a cloud resource connection.
 ## Note: The cloud resource nested object has only one output only field - serviceAccountId.
 resource "google_bigquery_connection" "connection" {
    connection_id = "CONNECTION_ID"
    project = "PROJECT_ID"
    location = "REGION"
    cloud_resource {}
}        

Ganti kode berikut:

• CONNECTION_ID: ID untuk koneksi Anda
• PROJECT_ID: project ID Google Cloud Anda
• REGION: region koneksi Anda

Memberikan akses ke akun layanan

Pilih salah satu opsi berikut:

Konsol

1. Buka halaman IAM & Admin.

   Buka IAM & Admin

2. Klik Berikan Akses.

   Dialog Add principals akan terbuka.

3. Di kolom New principals, masukkan ID akun layanan yang Anda salin sebelumnya.

4. Klik kolom Select a role lalu ketik Cloud Speech Client di Filter.

5. Klik Add another role.

6. Di kolom Select a role, pilih Cloud Storage, lalu pilih Storage Object Viewer.

7. Klik Save.

gcloud

Gunakan perintah gcloud projects add-iam-policy-binding:

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

Ganti kode berikut:

• PROJECT_NUMBER: nomor project Anda.
• MEMBER: ID akun layanan yang Anda salin sebelumnya.

Kegagalan dalam memberikan izin akan menghasilkan error Permission denied.

Catatan: Jika Anda membuat pengenal di project yang berbeda dengan bucket Cloud Storage yang digunakan oleh tabel objek, berikan peran Identity and Access Management (IAM) ke akun layanan sebagai berikut:

• Berikan peran Cloud Speech Client ke akun layanan dalam project yang berisi pengenal tersebut.
• Berikan peran Storage Object Viewer kepada akun layanan pada project yang berisi bucket Cloud Storage.
• Memberikan peran Storage Object Viewer kepada agen layanan Speech-to-Text ([e-mail]) dalam project yang berisi bucket Cloud Storage.

Membuat set data

Buat set data untuk memuat model dan tabel objek.

Membuat model

Buat model jarak jauh dengan REMOTE_SERVICE_TYPE dari CLOUD_AI_SPEECH_TO_TEXT_V2:

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'
);

Ganti kode berikut:

• PROJECT_ID: project ID Anda.
• DATASET_ID: ID set data yang akan berisi model.
• MODEL_NAME: nama model.
• REGION: region yang digunakan oleh koneksi.
• CONNECTION_ID: ID koneksi—misalnya, myconnection.

  Saat Anda melihat detail koneksi di Konsol Google Cloud, ID koneksi adalah nilai di bagian terakhir ID koneksi yang sepenuhnya memenuhi syarat, yang ditampilkan di Connection ID—misalnya projects/myproject/locations/connection_location/connections/myconnection.

• PROJECT_NUMBER: nomor project project yang berisi pengenal ucapan. Anda dapat menemukan nilai ini di kartu Info project di halaman Dasbor pada Konsol Google Cloud.
• LOCATION: lokasi yang digunakan oleh pengenal ucapan. Anda dapat menemukan nilai ini di kolom Lokasi di halaman Daftar pengenal pada Konsol Google Cloud.
• RECOGNIZER_ID: ID pengenal ucapan. Anda dapat menemukan nilai ini di kolom ID pada halaman Daftar pengenal di Konsol Google Cloud.

Penting: Anda harus menentukan project ID untuk koneksi meskipun jika koneksi tersebut berada dalam project default.

Membuat tabel objek

Buat tabel objek pada sekumpulan file audio di Cloud Storage. File audio dalam tabel objek harus berasal dari jenis yang didukung.

Mentranskripsikan file audio

Transkripsikan file audio dengan fungsi ML.TRANSCRIBE:

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

Ganti kode berikut:

• PROJECT_ID: project ID Anda.
• DATASET_ID: ID set data yang berisi model.
• MODEL_NAME: nama model.
• OBJECT_TABLE_NAME: nama tabel objek yang berisi URI file audio yang akan diproses.
• recognition_config: resource RecognitionConfig dalam format JSON.

  Jika menentukan pengenal untuk opsi SPEECH_RECOGNIZER model jarak jauh, Anda dapat menentukan nilai recognition_config untuk mengganti konfigurasi default dari pengenal yang ditentukan.

  Anda harus menentukan argumen ini jika tidak menentukan pengenal untuk model jarak jauh.

Contoh

Contoh 1

Contoh berikut mentranskripsikan file audio yang diwakili oleh tabel audio tanpa mengganti konfigurasi default pengenal:

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

Contoh berikut mentranskripsikan file audio yang diwakili oleh tabel audio dan mengganti konfigurasi default pengenal:

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

Langkah selanjutnya

• Untuk mengetahui informasi tentang inferensi model di BigQuery ML, baca Ringkasan inferensi model.
• Untuk mengetahui informasi tentang pernyataan dan fungsi SQL yang didukung pada setiap jenis model, lihat Perjalanan pengguna menyeluruh untuk setiap model.