Speech-to-Text ausprobieren

In dieser Anleitung wird beschrieben, wie Sie einen Speech-to-Text-Test mit dem Vertex AI Speech-Dienst von Google durchführen.

Bevor Sie dieses Beispiel anwenden, folgen Sie den Schritten zur Einrichtung von Python in der Vertex AI-Kurzanleitung zur Verwendung von Clientbibliotheken. Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Python API.

1. Erstellen Sie eine Python-Datei mit dem Namen speech-to-text-test.py. Ersetzen Sie den Wert image_uri_to_test durch den URI eines Quellbilds, wie unten gezeigt:

   from google.cloud import speech
   
   def transcribe_gcs_audio(gcs_uri: str) -> speech.RecognizeResponse:
       client = speech.SpeechClient()
   
       audio = speech.RecognitionAudio(uri=gcs_uri)
       config = speech.RecognitionConfig(
           encoding=speech.RecognitionConfig.AudioEncoding.FLAC,
           sample_rate_hertz=16000,
           language_code="en-US", # Specify the language code (e.g., "en-US" for US English)
           # You can add more features here, e.g.:
           # enable_automatic_punctuation=True,
           # model="default" # or "latest_long", "phone_call", "video", "chirp" (v2 API)
       )
   
       # Performs synchronous speech recognition on the audio file
       response = client.recognize(config=config, audio=audio)
   
       # Print the transcription
       for result in response.results:
           print(f"Transcript: {result.alternatives[0].transcript}")
           if result.alternatives[0].confidence:
               print(f"Confidence: {result.alternatives[0].confidence:.2f}")
   
       return response
   
   if __name__ == "__main__":
       # Replace with the URI of your audio file in Google Cloud Storage
       audio_file_uri = "AUDIO_FILE_URI"
   
       print(f"Transcribing audio from: {audio_file_uri}")
       transcribe_gcs_audio(audio_file_uri)
   

   Ersetzen Sie Folgendes:

   • AUDIO_FILE_URI: Der URI einer Audiodatei „gs://your-bucket/your-image.png“

2. Dockerfile erstellen:

   ROM python:3.9-slim
   
   WORKDIR /app
   
   COPY speech-to-text-test.py /app/
   
   # Install 'requests' for HTTP calls
   RUN pip install --no-cache-dir requests
   
   CMD ["python", "speech-to-text-test.py"]
   

3. Erstellen Sie das Docker-Image für die Speech-to-Text-Anwendung:

   docker build -t speech-to-text-app .
   

4. Folgen Sie der Anleitung unter Docker konfigurieren, um:

   1. Docker konfigurieren
   2. Erstellen Sie ein Secret und
   3. Laden Sie das Bild in HaaS hoch.

5. Melden Sie sich im Nutzercluster an und generieren Sie die kubeconfig-Datei mit einer Nutzeridentität. Achten Sie darauf, dass Sie den kubeconfig-Pfad als Umgebungsvariable festlegen:

   export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
   

6. Erstellen Sie ein Kubernetes-Secret, indem Sie den folgenden Befehl in Ihr Terminal einfügen und Ihren API-Schlüssel einfügen:

   kubectl create secret generic gcp-api-key-secret \
     --from-literal=GCP_API_KEY='PASTE_YOUR_API_KEY_HERE'
   

   Mit diesem Befehl wird ein Secret mit dem Namen gcp-api-key-secret und dem Schlüssel GCP_API_KEY erstellt.

7. Wenden Sie das Kubernetes-Manifest an:

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: speech-to-text-test-job
   spec:
     template:
       spec:
         containers:
         - name: speech-to-text-test-container
           image: HARBOR_INSTANCE_URL/HARBOR_PROJECT/speech-to-text-app:latest # Your image path
           # Mount the API key from the secret into the container
           # as an environment variable named GCP_API_KEY.
           imagePullSecrets:
           - name: SECRET
           envFrom:
           - secretRef:
               name: gcp-api-key-secret
         restartPolicy: Never
     backoffLimit: 4
   
   

   Ersetzen Sie Folgendes:

   • HARBOR_INSTANCE_URL: Die URL der Harbor-Instanz.
   • HARBOR_PROJECT: das Harbor-Projekt.
   • SECRET: Der Name des Secrets, das zum Speichern von Docker-Anmeldedaten erstellt wurde.

8. Prüfen Sie den Jobstatus:

   kubectl get jobs/speech-to-text-test-job
   # It will show 0/1 completions, then 1/1 after it succeeds
   

9. Wenn der Job abgeschlossen ist, können Sie sich die Ausgabe in den Pod-Logs ansehen:

   kubectl logs -l job-name=speech-to-text-test-job