Enviar uma solicitação de reconhecimento com a adaptação de fala

Melhore a precisão dos resultados de transcrição que recebe da Speech-to-Text usando a adaptação de fala. O recurso de adaptação do modelo permite especificar palavras e/ou frases que o Speech-to-Text precisa reconhecer com mais frequência nos seus dados de áudio do que outras alternativas que podem ser sugeridas. A adaptação de modelos é especialmente útil para melhorar a acurácia da transcrição nos seguintes casos de uso:

1. Seu áudio contém palavras ou frases que provavelmente ocorrerão com frequência.
2. É provável que seu áudio contenha palavras raras (como nomes próprios) ou palavras que não existem para uso geral.
3. Seu áudio contém ruído ou não é muito claro.

Para mais informações sobre como usar esse recurso, consulte Melhorar resultados de transcrição com adaptação do modelo. Para informações sobre limites de frases e caracteres por solicitação de adaptação de modelo, consulte Cotas e limites. Nem todos os modelos são compatíveis com a adaptação de fala. Consulte Suporte a idiomas para ver quais modelos são compatíveis com a adaptação.

Exemplo de código

A adaptação de fala é uma configuração opcional da Speech-to-Text que pode ser usada para personalizar os resultados da transcrição de acordo com suas necessidades. Consulte a documentação RecognitionConfig para mais informações sobre como configurar o corpo da solicitação de reconhecimento.

O exemplo de código a seguir demonstra como melhorar a acurácia da transcrição usando um recurso SpeechAdaptation: PhraseSet, CustomClass e otimização de adaptação de modelos. Para usar um PhraseSet ou um CustomClass em solicitações futuras, anote o recurso name, retornado na resposta ao criar o recurso.

Para uma lista das classes pré-criadas disponíveis para sua linguagem, consulte Tokens de classe suportados.

Python

Para aprender a instalar e usar a biblioteca de cliente da Speech-to-Text, consulte Bibliotecas de cliente da Speech-to-Text. Para mais informações, consulte a documentação de referência da API Speech-to-Text Python.

Para autenticar no Speech-to-Text, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.

import os

from google.cloud import speech_v1p1beta1 as speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def transcribe_with_model_adaptation(
    audio_uri: str,
    custom_class_id: str,
    phrase_set_id: str,
) -> str:
    """Create `PhraseSet` and `CustomClasses` for custom item lists in input data.
    Args:
        audio_uri (str): The Cloud Storage URI of the input audio. e.g. gs://[BUCKET]/[FILE]
        custom_class_id (str): The unique ID of the custom class to create
        phrase_set_id (str): The unique ID of the PhraseSet to create.
    Returns:
        The transcript of the input audio.
    """
    # Specifies the location where the Speech API will be accessed.
    location = "global"

    # Audio object
    audio = speech.RecognitionAudio(uri=audio_uri)

    # Create the adaptation client
    adaptation_client = speech.AdaptationClient()

    # The parent resource where the custom class and phrase set will be created.
    parent = f"projects/{PROJECT_ID}/locations/{location}"

    # Create the custom class resource
    adaptation_client.create_custom_class(
        {
            "parent": parent,
            "custom_class_id": custom_class_id,
            "custom_class": {
                "items": [
                    {"value": "sushido"},
                    {"value": "altura"},
                    {"value": "taneda"},
                ]
            },
        }
    )
    custom_class_name = (
        f"projects/{PROJECT_ID}/locations/{location}/customClasses/{custom_class_id}"
    )
    # Create the phrase set resource
    phrase_set_response = adaptation_client.create_phrase_set(
        {
            "parent": parent,
            "phrase_set_id": phrase_set_id,
            "phrase_set": {
                "boost": 10,
                "phrases": [
                    {"value": f"Visit restaurants like ${{{custom_class_name}}}"}
                ],
            },
        }
    )
    phrase_set_name = phrase_set_response.name
    # The next section shows how to use the newly created custom
    # class and phrase set to send a transcription request with speech adaptation

    # Speech adaptation configuration
    speech_adaptation = speech.SpeechAdaptation(phrase_set_references=[phrase_set_name])

    # speech configuration object
    config = speech.RecognitionConfig(
        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=24000,
        language_code="en-US",
        adaptation=speech_adaptation,
    )

    # Create the speech client
    speech_client = speech.SpeechClient()

    response = speech_client.recognize(config=config, audio=audio)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")