使用 API 將語音轉錄為文字

此頁面說明如何使用 REST 介面與 curl 指令，將語音辨識要求傳送至語音轉文字。

Speech-to-Text 可讓您將 Google 語音辨識技術輕鬆整合至開發人員應用程式。您可將音訊資料傳送至 Speech-to-Text API，然後 API 會傳回該音訊檔案的文字轉錄結果。如要進一步瞭解這項服務，請參閱「語音轉文字基本概念」。

事前準備

您必須先完成下列動作，才能將要求傳送至 Speech-to-Text API。詳情請參閱「事前準備」頁面。

  • 在 Google Cloud 專案中啟用 Speech-to-Text。
    • 確認已啟用 Speech-to-Text 的計費功能。
  • 確認您具備完成本指南所需的權限。如果您是為了本指南建立新專案，就表示您已具備必要權限。

  • 安裝 Google Cloud CLI。 安裝完成後，執行下列指令初始化 Google Cloud CLI： 

    gcloud init

    如果您使用外部識別資訊提供者 (IdP)，請先 使用聯合身分登入 gcloud CLI。

  • (選用) 建立新的 Google Cloud Storage 值區，以儲存音訊資料。

必要的角色

如要取得語音轉文字所需的權限，請要求管理員授予您專案的服務使用情形消費者 (roles/serviceusage.serviceUsageConsumer) IAM 角色。如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和機構的存取權」。

您或許還可透過自訂角色或其他預先定義的角色取得必要權限。

提出音訊轉錄要求

現在您可以使用 Speech-to-Text 將音訊檔案轉錄成文字。請使用下列程式碼範例，將 recognize REST 要求傳送至 Speech-to-Text API。

  1. 建立具有下列文字的 JSON 要求檔案，並將檔案儲存為 sync-request.json 純文字檔案：

    {
  "config": {
      "encoding":"FLAC",
      "sampleRateHertz": 16000,
      "languageCode": "en-US",
      "enableWordTimeOffsets": false
  },
  "audio": {
      "uri":"gs://cloud-samples-tests/speech/brooklyn.flac"
  }
}

    此 JSON 程式碼片段指示音訊檔案的編碼格式為 FLAC，取樣率為 16000 Hz，且音訊檔案儲存在 Google Cloud Storage 的指定 URI。此音訊檔案可公開存取，因此您不需要驗證憑證即可存取該檔案。

  2. 使用 curl 發出 speech:recognize 要求，並傳送您在步驟 1 所設 JSON 要求的檔案名稱：

    範例 curl 指令會使用 gcloud auth print-access-token 指令取得驗證權杖。

    curl -s -H "Content-Type: application/json" \
    -H "Authorization: Bearer "$(gcloud auth print-access-token) \
    https://speech.googleapis.com/v1/speech:recognize \
    -d @sync-request.json

    請注意，如要將檔案名稱傳送給 curl，請使用 -d 選項 (針對「資料」) 並在檔案名稱前加上 @ 符號。這個檔案的所在目錄應與您執行 curl 指令的所在目錄相同。

    畫面會顯示類似以下的回應：

    {
  "results": [
    {
      "alternatives": [
        {
          "transcript": "how old is the Brooklyn Bridge",
          "confidence": 0.98267895
        }
      ]
    }
  ]
}

恭喜！您已將您的第一個要求傳送至 Speech-to-Text。

如果您收到來自 Speech-to-Text 的錯誤訊息或空白回應，請查看疑難排解和錯誤緩解步驟。

清除所用資源

如要避免系統向您的 Google Cloud 帳戶收取本頁所用資源的費用，請按照下列步驟操作。

後續步驟