In questa pagina viene descritto come utilizzare un modello di machine learning specifico per le richieste di trascrizione audio a Speech-to-Text.
Modelli di trascrizione
Speech-to-Text rileva le parole in un clip audio confrontando l'input con uno dei numerosi modelli di machine learning. Ogni modello è stato addestrato analizzando milioni di esempi, in questo caso molte, molte registrazioni audio di persone che parlano.
Speech-to-Text dispone di modelli specializzati addestrati da audio provenienti da origini specifiche, ad esempio telefonate o video. Grazie a questo processo di addestramento, questi modelli specializzati forniscono risultati migliori se applicati a tipi di dati audio simili.
Ad esempio, Speech-to-Text dispone di un modello di trascrizione addestrato
a riconoscere la voce registrata al telefono. Quando Speech-to-Text
utilizza il modello telephony
o telephony_short
per trascrivere l'audio del telefono, produce risultati di trascrizione più accurati rispetto a quando avesse trascritto l'audio
dello smartphone utilizzando i modelli latest_short
o latest_long
.
La tabella seguente mostra i modelli di trascrizione disponibili per l'utilizzo con Speech-to-Text.
Nome modello | Descrizione |
---|---|
latest_long |
Utilizza questo modello per qualsiasi tipo di contenuto nel formato lungo, come contenuti multimediali o discorsi e conversazioni spontanee. Valuta la possibilità di utilizzare questo modello al posto di quello video, soprattutto se quest'ultimo non è disponibile nella tua lingua di destinazione. Puoi anche utilizzarlo al posto del modello predefinito. |
latest_short |
Utilizza questo modello per frasi brevi di pochi secondi. È utile per cercare di acquisire comandi o altri casi d'uso di parlato diretta a un solo colpo. Valuta la possibilità di utilizzare questo modello anziché il modello di comando e ricerca. |
telephony |
Versione migliorata del modello "phone_call", migliore per l'audio proveniente da una telefonata, generalmente registrata con una frequenza di campionamento di 8 kHz. |
telephony_short |
Versione dedicata del moderno modello di "telefonia" per frasi brevi o anche composte da una sola parola per l'audio proveniente da una telefonata, generalmente registrata con una frequenza di campionamento di 8 kHz. |
medical_dictation |
Utilizza questo modello per trascrivere note dettate da un medico.
Si tratta di un modello premium che ha un costo maggiore rispetto alla tariffa standard. Consulta la pagina relativa ai prezzi per ulteriori dettagli. |
medical_conversation |
Utilizza questo modello per trascrivere una conversazione tra un medico e un paziente.
Si tratta di un modello premium che ha un costo maggiore rispetto alla tariffa standard. Consulta la pagina relativa ai prezzi per ulteriori dettagli. |
I seguenti modelli sono basati principalmente su architetture classiche non conformi e sono conservati principalmente per motivi legacy e di compatibilità con le versioni precedenti. | |
command_and_search |
Ideale per frasi brevi o composte da una sola parola, come comandi vocali o ricerca vocale. |
default |
Ideale per audio non compatibile con gli altri modelli audio, come l'audio di durata estesa o la dettatura. Il modello predefinito produrrà i risultati della trascrizione per qualsiasi tipo di audio, incluso audio come video clip che hanno un modello separato su misura per lui. Tuttavia, il riconoscimento dell'audio del video clip utilizzando il modello predefinito probabilmente produrrà risultati di qualità inferiore rispetto all'utilizzo del modello video. Idealmente, l'audio è ad alta fedeltà, registrato con una frequenza di campionamento pari o superiore a 16 kHz. |
phone_call |
Ideale per l'audio proveniente da una telefonata (solitamente registrata con una frequenza di campionamento di 8 kHz). |
video |
Ideale per l'audio di video clip o altre sorgenti (ad esempio podcast) con più altoparlanti. Questo modello è spesso la scelta migliore per l'audio registrato con un microfono di alta qualità o con molto rumore di fondo. Per risultati ottimali, fornisci audio registrato a una frequenza di campionamento pari o superiore a 16.000 Hz. |
Seleziona un modello per la trascrizione audio
Per specificare un modello specifico da utilizzare per la trascrizione audio, devi impostare il campo model
su uno dei valori consentiti, ad esempio latest_long
, latest_short
, telephony
o telephony_short
, nei parametri RecognitionConfig
per la richiesta.
Speech-to-Text supporta la selezione del modello per tutti i metodi di riconoscimento
vocale: speech:recognize
,
speech:longrunningrecognize
e Streaming.
Eseguire la trascrizione di un file audio locale
Protocollo
Per informazioni dettagliate, consulta l'endpoint API speech:recognize
.
Per eseguire il riconoscimento vocale sincrono, effettua una richiesta POST
e fornisci il
corpo della richiesta appropriato. Di seguito è riportato un esempio di richiesta POST
mediante curl
. L'esempio utilizza Google Cloud CLI per generare un token
di accesso. Per istruzioni sull'installazione di gcloud CLI, consulta la quickstart.
curl -s -H "Content-Type: application/json" \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ https://speech.googleapis.com/v1/speech:recognize \ --data '{ "config": { "encoding": "LINEAR16", "sampleRateHertz": 16000, "languageCode": "en-US", "model": "video" }, "audio": { "uri": "gs://cloud-samples-tests/speech/Google_Gnome.wav" } }'
Consulta la documentazione di riferimento di RecognitionConfig
per ulteriori informazioni su come configurare il corpo della richiesta.
Se la richiesta riesce, il server restituisce un codice di stato HTTP 200 OK
e la risposta in formato JSON:
{ "results": [ { "alternatives": [ { "transcript": "OK Google stream stranger things from Netflix to my TV okay stranger things from Netflix playing on TV from the people that brought you Google home comes the next evolution of the smart home and it's just outside your window me Google know hi how can I help okay no what's the weather like outside the weather outside is sunny and 76 degrees he's right okay no turn on the hose I'm holding sure okay no I'm can I eat this lemon tree leaf yes what about this Daisy yes but I wouldn't recommend it but I could eat it okay Nomad milk to my shopping list I'm sorry that sounds like an indoor request I keep doing that sorry you do keep doing that okay no is this compost really we're all compost if you think about it pretty much everything is made up of organic matter and will return", "confidence": 0.9251011 } ] } ] }
Go
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Go di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Java
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Java di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Node.js di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Linguaggi aggiuntivi
C#: segui le istruzioni per la configurazione di C# nella pagina delle librerie client e poi consulta la documentazione di riferimento di Speech-to-Text per .NET.
PHP: segui le istruzioni per la configurazione di PHP nella pagina delle librerie client e poi consulta la documentazione di riferimento di Speech-to-Text per PHP.
Ruby: segui le istruzioni per la configurazione di Ruby nella pagina delle librerie client e visita la documentazione di riferimento di Speech-to-Text per Ruby.
Eseguire la trascrizione di un file audio Cloud Storage
Go
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Go di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Java
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Java di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Per scoprire come installare e utilizzare la libreria client per Speech-to-Text, vedi Librerie client di Speech-to-Text. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Node.js di Speech-to-Text.
Per eseguire l'autenticazione a Speech-to-Text, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Linguaggi aggiuntivi
C#: segui le istruzioni per la configurazione di C# nella pagina delle librerie client e poi consulta la documentazione di riferimento di Speech-to-Text per .NET.
PHP: segui le istruzioni per la configurazione di PHP nella pagina delle librerie client e poi consulta la documentazione di riferimento di Speech-to-Text per PHP.
Ruby: segui le istruzioni per la configurazione di Ruby nella pagina delle librerie client e visita la documentazione di riferimento di Speech-to-Text per Ruby.