Guía de inicio rápido: Usa la línea de comandos

En esta página, se muestra cómo enviar una solicitud de reconocimiento de voz a Speech-to-Text mediante la interfaz de REST y el comando curl.

Speech-to-Text habilita una integración sencilla de las tecnologías de reconocimiento de voz de Google en las aplicaciones de desarrolladores. Puedes enviar datos de audio a la API de Speech-to-Text, en la que luego se muestra una transcripción de texto de ese archivo de audio. Para obtener más información sobre el servicio, consulta Conceptos básicos de Speech-to-Text.

Antes de comenzar

  1. Accede a tu Cuenta de Google.

    Si todavía no tienes una cuenta, regístrate para obtener una nueva.

  2. Configura un proyecto de Cloud Console.

    Configura un proyecto

    Haz clic para realizar alguna de las siguientes acciones:

    • Crea o selecciona un proyecto.
    • Habilita la API de Speech-to-Text para ese proyecto.
    • Crea una cuenta de servicio.
    • Descargar una clave privada como JSON

    Puedes ver y administrar estos recursos en cualquier momento desde Cloud Console.

  3. Configura la variable de entorno GOOGLE_APPLICATION_CREDENTIALS en la ruta de acceso al archivo JSON que contiene la clave de la cuenta de servicio. Esta variable solo se aplica a tu sesión actual de shell. Por lo tanto, si abres una sesión nueva, deberás volver a configurar la variable.

  4. Instala e inicializa el SDK de Cloud.

Realiza una solicitud de transcripción de audio

Ahora puedes usar Speech-to-Text para transcribir un archivo de audio a texto. Usa la siguiente muestra de código para enviar una solicitud de REST recognize a la API de Speech-to-Text.

  1. Crea un archivo de solicitud JSON con el siguiente texto y guárdalo como un archivo de texto sin formato sync-request.json:

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

    Este fragmento JSON indica que el archivo de audio tiene un formato de codificación FLAC y una tasa de muestreo de 16,000 Hz, y que está almacenado en Google Cloud Storage en el URI determinado. El archivo de audio es de acceso público, por lo que no necesitas credenciales de autenticación para acceder a él.

  2. Usa curl para hacer una solicitud speech:recognize y pasa el nombre de archivo de la solicitud JSON que configuraste en el paso 1:

    El comando curl de muestra usa el comando gcloud auth application-default print-access-token para obtener un token de autenticación.

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

    Ten en cuenta que para pasar un nombre de archivo a curl se usa la opción -d (de “datos”) y se incluye un signo @ antes del nombre. Este archivo debe estar en el mismo directorio en el que ejecutaste el comando curl.

    Deberías ver una respuesta similar a la siguiente:

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

¡Felicitaciones! Enviaste tu primera solicitud a Speech-to-Text.

Si recibes un error o una respuesta vacía de Speech-to-Text, consulta los pasos de Solución de problemas y Mensajes de error.

Próximos pasos