使用 gcloud CLI 將語音轉錄為文字

此頁面說明如何使用 gcloud 工具，從指令列將語音辨識要求傳送至 Speech-to-Text。

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 GCP 專案中啟用 Speech-to-Text。
    1. 確認已啟用 Speech-to-Text 的計費功能。

  • 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。

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 要求傳送至 Speech-to-Text API。

請開啟指令列 shell 並執行下列指令。

gcloud ml speech recognize gs://cloud-samples-tests/speech/brooklyn.flac \
    --language-code=en-US

這個指令會要求 Speech-to-Text 轉錄託管在公開存取位置之 FLAC 中包含的音訊。

如果要求成功，伺服器會以 JSON 格式傳回回應：

{
  "results": [
    {
      "alternatives": [
        {
          "confidence": 0.9840146,
          "transcript": "how old is the Brooklyn Bridge"
        }
      ]
    }
  ]
}

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