Transcrire des fichiers audio avec la fonction ML.TRANSCRIBE

Preview

Ce produit ou cette fonctionnalité est soumis aux "Conditions des offres de pré-DG" dans la section "Conditions d'utilisation générales" des Conditions spécifiques au service. Les produits et fonctionnalités pré-DG sont disponibles "en l'état" et peuvent bénéficier d'une assistance limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

Remarque : Pour envoyer des commentaires ou demander de l'aide concernant cette fonctionnalité, envoyez un e-mail à [e-mail].

Ce document explique comment utiliser la fonction ML.TRANSCRIBE avec un modèle distant pour transcrire des fichiers audio à partir d'unetable d'objets.

Pays acceptés

Vous devez créer le modèle distant utilisé dans cette procédure dans l'un des emplacements suivants :

• 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

Vous devez exécuter la fonction ML.TRANSCRIBE dans la même région que le modèle distant.

Autorisations requises

• Pour utiliser un outil de reconnaissance Speech-to-Text, vous devez disposer des rôles suivants :

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

• Pour créer une connexion, vous devez être inscrit au rôle suivant :

  • roles/bigquery.connectionAdmin

• Pour créer le modèle à l'aide de BigQuery ML, vous devez disposer des autorisations suivantes :

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

• Pour exécuter une inférence, vous devez disposer des autorisations suivantes :

  • bigquery.tables.getData sur la table d'objets
  • bigquery.models.getData sur le modèle
  • bigquery.jobs.create

Avant de commencer

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.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

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

   Enable the APIs

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

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

   Enable the APIs

Créer un outil de reconnaissance

Speech-to-Text accepte les ressources appelées "outils de reconnaissance". Ces outils de reconnaissance constituent la version stockée et réutilisable d'une configuration de reconnaissance. Vous pouvez créer un outil de reconnaissance pour regrouper logiquement les transcriptions ou le trafic de votre application.

La création d'un outil de reconnaissance vocale est facultative. Si vous choisissez de créer un outil de reconnaissance vocale, notez l'ID de projet, l'emplacement et l'ID de l'outil de reconnaissance à utiliser dans l'instruction CREATE MODEL, comme décrit à la section SPEECH_RECOGNIZER. Si vous choisissez de ne pas créer d'outil de reconnaissance vocale, vous devez spécifier une valeur pour l'argument recognition_config de la fonction ML.TRANSCRIBE.

Créer une connexion

Créez une connexion de ressource cloud et obtenez le compte de service de la connexion.

Sélectionnez l'une des options suivantes :

Console

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Pour créer une connexion, cliquez sur Ajouter, puis sur Connexions aux sources de données externes.

3. Dans la liste Type de connexion, sélectionnez Modèles distants Vertex AI, fonctions distantes et BigLake (ressource Cloud).

4. Dans le champ ID de connexion, saisissez un nom pour votre connexion.

5. Cliquez sur Créer une connexion.

6. Cliquez sur Accéder à la connexion.

7. Dans le volet Informations de connexion, copiez l'ID du compte de service à utiliser à l'étape suivante.

bq

1. Dans un environnement de ligne de commande, créez une connexion :

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

   Le paramètre --project_id remplace le projet par défaut.

   Remplacez les éléments suivants :

   • REGION : votre région de connexion
   • PROJECT_ID : ID de votre projet Google Cloud
   • CONNECTION_ID : ID de votre connexion

   Lorsque vous créez une ressource de connexion, BigQuery crée un compte de service système unique et l'associe à la connexion.

   Dépannage : Si vous obtenez l'erreur de connexion suivante, mettez à jour le Google Cloud SDK :

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

2. Récupérez et copiez l'ID du compte de service pour l'utiliser lors d'une prochaine étape :

   bq show --connection PROJECT_ID.REGION.CONNECTION_ID

   Le résultat ressemble à ce qui suit :

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

Terraform

Ajoutez la section suivante à votre fichier main.tf.

 ## 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 {}
}        

Remplacez les éléments suivants :

• CONNECTION_ID : ID de votre connexion
• PROJECT_ID : ID de votre projet Google Cloud
• REGION : votre région de connexion

Accorder l'accès au compte de service

Sélectionnez l'une des options suivantes :

Console

1. Accédez à la page IAM et administration.

   Accéder à IAM et administration

2. Cliquez sur Accorder l'accès.

   La boîte de dialogue Ajouter des comptes principaux s'ouvre.

3. Dans le champ Nouveaux comptes principaux, saisissez l'ID du compte de service que vous avez copié précédemment.

4. Cliquez sur le champ Sélectionner un rôle, puis saisissez Cloud Speech Client dans le champ Filtre.

5. Cliquez sur Ajouter un autre rôle.

6. Dans le champ Sélectionner un rôle, sélectionnez Cloud Storage, puis Lecteur des objets Storage.

7. Cliquez sur Enregistrer.

gcloud

Exécutez la commande 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

Remplacez les éléments suivants :

• PROJECT_NUMBER : votre numéro de projet.
• MEMBER : ID du compte de service que vous avez copié précédemment

L'échec de l'attribution de l'autorisation génère une erreur Permission denied.

Remarque : Si vous créez l'outil de reconnaissance dans un projet différent de celui du bucket Cloud Storage utilisé par la table d'objets, accordez les rôles IAM (Identity and Access Management) au compte de service comme suit :

• Attribuez au compte de service le rôle Client Cloud Speech dans le projet qui contient l'outil de reconnaissance.
• Attribuez au compte de service le rôle "Lecteur des objets Storage" dans le projet contenant le bucket Cloud Storage.
• Attribuez à l'agent de service Speech-to-Text ([e-mail]) le rôle de lecteur des objets de l'espace de stockage dans le projet contenant le bucket Cloud Storage.

Créer un ensemble de données

Créez un ensemble de données pour contenir le modèle et la table d'objets.

Créer un modèle

Créez un modèle distant avec une valeur REMOTE_SERVICE_TYPE de 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'
);

Remplacez les éléments suivants :

• PROJECT_ID : ID de votre projet.
• DATASET_ID : ID de l'ensemble de données pour contenir le modèle.
• MODEL_NAME : nom du modèle
• REGION : région utilisée par la connexion.
• CONNECTION_ID : ID de connexion, par exemple myconnection.

  Lorsque vous affichez les détails de la connexion dans la console Google Cloud, il s'agit de la valeur de la dernière section de l'ID de connexion complet affiché dans ID de connexion (par exemple, projects/myproject/locations/connection_location/connections/myconnection).

• PROJECT_NUMBER : numéro du projet contenant l'outil de reconnaissance vocale. Vous pouvez trouver cette valeur sur la fiche Informations sur le projet de la page Tableau de bord de la console Google Cloud.
• LOCATION : emplacement utilisé par le système de reconnaissance vocale. Vous pouvez trouver cette valeur dans le champ Emplacement de la page Répertorier les outils de reconnaissance de la console Google Cloud.
• RECOGNIZER_ID : ID de l'outil de reconnaissance vocale. Vous pouvez trouver cette valeur dans le champ ID de la page Répertorier les outils de reconnaissance de la console Google Cloud.

Important : Vous devez spécifier l'ID de projet pour la connexion, même si la connexion se trouve dans le projet par défaut.

Créer une table d'objets

Créez une table d'objets sur un ensemble de fichiers audio dans Cloud Storage. Les fichiers audio de la table d'objets doivent être d'un type compatible.

Transcrire des fichiers audio

Transcrivez des fichiers audio avec la fonction 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')
);

Remplacez les éléments suivants :

• PROJECT_ID : ID de votre projet.
• DATASET_ID : ID de l'ensemble de données contenant le modèle.
• MODEL_NAME : nom du modèle
• OBJECT_TABLE_NAME : nom de la table d'objets contenant les URI des fichiers audio à traiter.
• recognition_config : ressource RecognitionConfig au format JSON.

  Si vous avez spécifié un outil de reconnaissance pour l'option SPEECH_RECOGNIZER du modèle distant, vous pouvez éventuellement spécifier une valeur recognition_config pour remplacer la configuration par défaut de l'outil de reconnaissance spécifié.

  Vous devez spécifier cet argument si vous n'avez pas spécifié d'outil de reconnaissance pour le modèle distant.

Examples

Exemple 1

L'exemple suivant transcrit les fichiers audio représentés par la table audio sans remplacer la configuration par défaut de l'outil de reconnaissance :

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

L'exemple suivant transcrit les fichiers audio représentés par la table audio et remplace la configuration par défaut de l'outil de reconnaissance :

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": {}}')
);

Étapes suivantes

• Pour en savoir plus sur l'inférence de modèle dans BigQuery ML, consultez la page Présentation de l'inférence de modèle.
• Pour en savoir plus sur les instructions et les fonctions SQL compatibles avec chaque type de modèle, consultez la section Parcours utilisateur de bout en bout pour chaque modèle.