Mentranskripsikan file audio dengan fungsi ML.TRANSCRIBE
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 objekbigquery.models.getData
pada modelbigquery.jobs.create
Sebelum memulai
- 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.
-
Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Aktifkan API BigQuery, BigQuery Connection API, and Speech-to-Text.
-
Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Aktifkan API BigQuery, BigQuery Connection API, and Speech-to-Text.
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
Buka halaman BigQuery.
Untuk membuat koneksi, klik
Add, lalu klik Connections to external data sources.Dalam daftar Connection type, pilih Vertex AI remote models, remote functions and BigLake (Cloud Resource).
Di kolom Connection ID, masukkan nama untuk koneksi Anda.
Klik Create connection.
Klik Go to connection.
Di panel Connection info, salin ID akun layanan untuk digunakan di langkah berikutnya.
bq
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 AndaPROJECT_ID
: project ID Google Cloud AndaCONNECTION_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...
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": "connection-1234-9u56h9@gcp-sa-bigquery-condel.iam.gserviceaccount.com"}
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 {} }
CONNECTION_ID
: ID untuk koneksi AndaPROJECT_ID
: project ID Google Cloud AndaREGION
: region koneksi Anda
Memberikan akses ke akun layanan
Pilih salah satu opsi berikut:
Konsol
Buka halaman IAM & Admin.
Klik
Berikan Akses.Dialog Add principals akan terbuka.
Di kolom New principals, masukkan ID akun layanan yang Anda salin sebelumnya.
Klik kolom Select a role lalu ketik
Cloud Speech Client
di Filter.Klik Add another role.
Di kolom Select a role, pilih Cloud Storage, lalu pilih Storage Object Viewer.
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
.
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.
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
: resourceRecognitionConfig
dalam format JSON.Jika menentukan pengenal untuk opsi
SPEECH_RECOGNIZER
model jarak jauh, Anda dapat menentukan nilairecognition_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.