Vorbereitung

Speech-to-Text ist eine API, die auf der KI-Technologie von Google basiert. Sie senden Ihre Audiodaten an Speech-to-Text und erhalten dann eine Texttranskription der Audiodaten als Antwort. Weitere Informationen zur Funktionsweise von Speech-to-Text finden Sie auf der Seite Grundlagen.

Es gibt zwei Möglichkeiten, auf den Dienst zuzugreifen: mithilfe der REST API oder mithilfe der Speech-to-Text Console. Wir stellen Codebeispiele bereit, die zeigen, wie Sie eine Anfrage an die REST API senden und eine Antwort erhalten. Informationen zur Verwendung dieser Beispiele finden Sie in den Kurzanleitungen und Anleitungen für Speech-to-Text. Wenn Sie Speech-to-Text mit minimalem Programmieraufwand verwenden möchten, können Sie die Cloud Speech-to-Text Console verwenden.

In dieser Anleitung werden Sie durch die Schritte geführt, die zum Senden von Anfragen an die REST API erforderlich sind. Informationen zur Verwendung der Speech-to-Text Console finden Sie in der Kurzanleitung zur UI-Konsole.

Überblick

Bevor Sie Anfragen an Speech-to-Text senden können, müssen Sie die API in der Google Cloud Console aktivieren. Die Schritte auf dieser Seite führen Sie durch die folgenden Aktionen:

  • Speech-to-Text in einem Projekt aktivieren
    1. Die Abrechnung für Speech-to-Text muss aktiviert sein.
    2. Achten Sie darauf, dass Ihr Projekt mindestens ein Dienstkonto hat.
    3. Laden Sie einen Anmeldeinformationsschlüssel für das Dienstkonto herunter.
  • Legen Sie Ihre Authentifizierungsumgebungsvariable fest.
  • (Optional) Erstellen Sie einen neuen Google Cloud Storage-Bucket zum Speichern Ihrer Audiodaten.

Google Cloud-Projekt einrichten

  1. Bei der Cloud Console anmelden

  2. Zur Projektauswahl

    Sie können entweder ein vorhandenes Projekt auswählen oder ein neues erstellen. Weitere Informationen zum Erstellen eines Projekts finden Sie unter Projekte erstellen und verwalten.

  3. Wenn Sie ein neues Projekt erstellen, werden Sie aufgefordert, ein Abrechnungskonto mit diesem Projekt zu verknüpfen. Wenn Sie ein bereits vorhandenes Projekt verwenden, muss die Abrechnung aktiviert sein.

    So prüfen Sie, ob die Abrechnung für Ihr Projekt aktiviert ist

  4. Nachdem Sie ein Projekt ausgewählt und mit einem Rechnungskonto verknüpft haben, können Sie die Speech-to-Text API aktivieren. Öffnen Sie oben auf der Seite die Leiste Produkte und Ressourcen suchen und geben Sie speech ein. Wählen Sie in der Ergebnisliste die Cloud Speech-to-Text API aus.

  5. Wenn Sie Speech-to-Text ausprobieren möchten, ohne es mit Ihrem Projekt zu verknüpfen, wählen Sie die Option TRY THIS API aus. Klicken Sie auf ENABLE, um die Speech-to-Text API für die Verwendung mit Ihrem Projekt zu aktivieren.

  6. (Optional) Aktivieren Sie das Daten-Logging. Wenn Sie Daten-Logging aktivieren, kann Google alle Audiodaten aufzeichnen, die Sie an Speech-to-Text senden. Mit diesen Daten werden die Speech-to-Text-Modelle verbessert. Nutzer, die das Daten-Logging aktivieren, profitieren von niedrigeren Preisen. Weitere Informationen finden Sie auf den Seiten zu den Preisen und zum Datenzugriff.

  7. Sie müssen nun ein oder mehrere Dienstkonten mit der Speech-to-Text API verknüpfen. Klicken Sie auf der linken Seite der Hauptseite der Speech-to-Text API auf den Menüpunkt Anmeldedaten. Wenn mit diesem Projekt keine Dienstkonten verknüpft sind, erstellen Sie eines anhand der Anleitung im Abschnitt Neues Dienstkonto erstellen.

    Wenn Sie zuvor Dienstkonten erstellt haben, die mit diesem Projekt verknüpft sind, werden sie auf dieser Seite angezeigt. Sie müssen Zugriff auf einen heruntergeladenen JSON-Schlüssel haben, der mit dem Dienstkonto verknüpft ist, das Sie für die Authentifizierung bei Speech-to-Text verwenden möchten. Dienstkontoschlüssel können nur einmal heruntergeladen werden, wenn sie erstellt werden. Wenn Ihr Dienstkonto einen vorhandenen Schlüssel hat, Sie die heruntergeladene Datei .json jedoch nicht finden können, müssen Sie einen neuen Schlüssel für dieses Dienstkonto erstellen und die zugehörige Datei .json herunterladen. Wie Sie einen neuen Schlüssel für ein vorhandenes Dienstkonto erstellen, erfahren Sie im Abschnitt JSON-Schlüssel erstellen.

    Wenn Sie bereits ein Dienstkonto und dessen JSON-Schlüssel haben, können Sie jetzt die Umgebungsvariable für die Authentifizierung festlegen.

Dienstkonto erstellen

  1. Erstellen Sie ein neues Dienstkonto, wenn Ihr Projekt noch keines hat. Sie müssen ein Dienstkonto erstellen, um Speech-to-Text verwenden zu können.

    Zur Seite „Dienstkonto erstellen“

    Geben Sie im Feld Name des Dienstkontos einen eindeutigen Namen für das neue Dienstkonto ein. Ihre Eingabe wird automatisch in das Feld Dienstkonto-ID eingetragen. Das Feld Dienstkontobeschreibung ist optional, wird jedoch empfohlen, wenn Sie Ihrem Projekt mehrere Dienstkonten zuordnen möchten. Geben Sie eine kurze Beschreibung des Dienstkontos in dieses Feld ein und klicken Sie auf ERSTELLEN UND FORTFAHREN.

  2. Es empfiehlt sich, Ihrem Dienstkonto eine der einfachen IAM-Rollen zuzuweisen. Bei Bedarf können Sie einem einzelnen Dienstkonto auch mehrere Rollen zuweisen. Unter IAM-Rollen finden Sie Details zu den verfügbaren Rollen und den jeweils vorhandenen Berechtigungen. Klicken Sie auf das Drop-down-Menü Rolle auswählen und scrollen Sie nach unten zu Basic. Sie können eine Rolle für dieses Dienstkonto aus den Optionen auswählen, die in der rechten Spalte angezeigt werden. Klicken Sie auf WEITER.

  3. Im letzten Schritt können Sie optional anderen Entitäten (Einzelpersonen, Google-Gruppen usw.) Zugriff auf Ihr Dienstkonto gewähren. Wenn Sie keine zusätzliche Zugriffsberechtigung benötigen, klicken Sie auf FERTIG, ohne Informationen einzugeben.

  4. Das Dienstkonto wird jetzt auf der Seite Dienstkonten aufgeführt. Sie können die Berechtigungen des Dienstkontos ändern, neue Schlüssel hinzufügen oder generieren und jederzeit Zugriff gewähren.

JSON-Schlüssel für Ihr Dienstkonto erstellen

  1. Das neu erstellte Dienstkonto wird auf der Seite mit den Dienstkonten angezeigt. Erstellen Sie einen privaten Schlüssel, der mit diesem Konto verknüpft wird. Sie müssen diesen privaten Schlüssel während des Authentifizierungsprozesses verwenden, wenn Sie eine Anfrage an Speech-to-Text senden. Wenn Sie jetzt keinen Schlüssel erstellen möchten, können Sie später jederzeit einen Schlüssel generieren und/oder einzelne Nutzerinformationen ändern. Dazu rufen Sie das Dienstkonto über die Option IAM und Verwaltung -> Dienstkonten im Navigationsmenü auf.

    Klicken Sie zum Erstellen eines Schlüssels auf das Dienstkonto und wählen Sie den Tab SCHLÜSSEL aus. Klicken Sie auf SCHLÜSSEL HINZUFÜGEN > Neuen Schlüssel erstellen. Wir empfehlen, Schlüssel im JSON-Format zu erstellen.

  2. Ein neuer Schlüssel im Format Ihrer Wahl wird automatisch heruntergeladen. Speichern Sie diese Datei an einem sicheren Ort und notieren Sie sich den Dateipfad. Sie müssen mit der Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS auf diese Datei verweisen, wenn Sie den Authentifizierungsprozess zu Beginn jeder neuen Speech-to-Text-Sitzung durchlaufen. Dies ist ein wichtiger Schritt für die Authentifizierung von Anfragen, die an Speech-to-Text gesendet werden. Die eindeutige ID des Schlüssels wird neben dem Namen des Dienstkontos angezeigt.

Legen Sie Ihre Authentifizierungsumgebungsvariable fest

Zum Festlegen Ihrer GOOGLE_APPLICATION_CREDENTIALS müssen Sie ein Dienstkonto mit Ihrem Projekt verknüpft und Zugriff auf den JSON-Schlüssel des Dienstkontos haben.

Geben Sie die Anmeldedaten zur Authentifizierung für Ihren Anwendungscode durch Festlegung der Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS an. Diese Variable gilt nur für Ihre aktuelle Shellsitzung. Wenn Sie möchten, dass die Variable für zukünftige Shell-Sitzungen gilt, legen Sie die Variable in Ihrer Shell-Startdatei fest, z. B. in der Datei ~/.bashrc oder ~/.profile.

Linux oder macOS

export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Geben Sie für KEY_PATH den Dateipfad der JSON-Datei an, die Ihren Dienstkontoschlüssel enthält.

Beispiel:

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

Windows

Für PowerShell:

$env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Geben Sie für KEY_PATH den Dateipfad der JSON-Datei an, die Ihren Dienstkontoschlüssel enthält.

Beispiel:

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

Für Eingabeaufforderung:

set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

Geben Sie für KEY_PATH den Dateipfad der JSON-Datei an, die Ihren Dienstkontoschlüssel enthält.

Weitere Informationen finden Sie in der Google Cloud Platform-Authentifizierungsdokumentation.

Optional: Cloud Storage-Bucket erstellen

Wenn Sie Audio transkribieren möchten, das länger als 60 Sekunden oder mit einer Dateigröße ist, die größer als 10 MB ist, müssen Sie die Audiodaten in einem Cloud Storage-Bucket speichern, bevor Sie sie mit Speech-to-Text transkribieren können. Die folgenden Schritte führen Sie durch den Prozess zum Erstellen eines neuen Buckets.

  • Wechseln Sie in der Cloud Console zum Cloud Storage-Browser.

    Browser aufrufen

  • Klicken Sie auf Bucket erstellen.
  • Geben Sie auf der Seite Bucket erstellen die Bucket-Informationen ein. Klicken Sie auf Weiter, um mit dem nächsten Schritt fortzufahren.
    • Geben Sie unter Bucket benennen einen eindeutigen Bucket-Namen ein. Der Bucket-Name darf keine vertraulichen Informationen enthalten, da der Bucket-Namespace global und öffentlich sichtbar ist.
    • Gehen Sie unter Speicherort für Daten auswählen folgendermaßen vor:
      • Wählen Sie eine Option für Standorttyp aus.
      • Wählen Sie eine Standort-Option aus.
    • Wählen Sie unter Standardspeicherklasse für Ihre Daten auswählen eine Speicherklasse aus.
    • Wählen Sie unter Zugriffssteuerung für Objekte auswählen eine Option für die Zugriffssteuerung aus.
    • Geben Sie für Erweiterte Einstellungen (optional) eine Verschlüsselungsmethode, eine Aufbewahrungsrichtlinie oder Bucket-Labels an.
  • Klicken Sie auf Erstellen.
  • Speech-to-Text API deaktivieren

    Führen Sie die folgenden Schritte aus, wenn Sie die Speech-to-Text API in Zukunft nicht mehr benötigen.

    1. Rufen Sie Ihr Google Cloud-Dashboard auf und klicken Sie im Feld APIs auf den Link Zur API-Übersicht.
    2. Wählen Sie Cloud Speech-to-Text API aus.
    3. Klicken Sie oben auf der Cloud Speech-to-Text API-Seite auf die Schaltfläche API DEAKTIVIEREN.

    Nächste Schritte

    Informationen zum Senden einer Transkriptionsanfrage an die Speech-to-Text API mithilfe von Clientbibliotheken ,gcloud, Befehlszeile oder Speech-to-Text-UI.