개요
Speech-to-Text On Device는 내장형 기기에서 서버 품질의 음성 기술을 지원합니다. 이렇게 하면 네트워크 또는 Google 서버에 연결하지 않고 완전히 기기 내에서 스트리밍 음성 인식을 실행할 수 있습니다.
이 솔루션은 양방향 스트리밍 gRPC 서버입니다. 이 서버는 Cloud Speech 양방향 스트리밍 API와 비슷하게 오디오를 사용해서 실시간으로 이벤트를 내보냅니다.
아래 API는 불완전한 샘플입니다.
service SpeechToText {
rpc StreamingRecognize(stream StreamingRecognizeRequest)
returns (stream StreamingRecognizeResponse) {}
}
message StreamingRecognizeRequest {
oneof streaming_request {
StreamingRecognitionConfig streaming_config = 1;
bytes audio_content = 2;
}
// ...
}
message StreamingRecognizeResponse {
enum SpeechEventType {
// ...
// This event indicates that the server has detected the beginning of human
// voice activity in the stream. This event can be returned multiple times
// if speech starts and stops repeatedly throughout the stream.
START_OF_SPEECH = 2;
// This event indicates that the server has detected the end of human voice
// activity in the stream. This event can be returned multiple times if
// speech starts and stops repeatedly throughout the stream.
END_OF_SPEECH = 3;
}
// ...
repeated StreamingRecognitionResult results = 2;
// ...
SpeechEventType speech_event_type = 4;
}
빠른 시작 예시
다음은 기기 내 서버를 사용하는 예시입니다.
언어 팩(LP)을 선택하고 인식 서버를 시작합니다.
언어 팩은 모델 및 구성이 포함된 디렉터리입니다. Speech to Text 서버는 한 번에 하나의 언어 팩을 지원합니다.
./speech_to_text_server --server_ip="0.0.0.0" --port=8000 \ --language_pack=/../en_us명령줄 클라이언트를 사용하여 오디오 파일(WAV)로 서버 시도
./speech_to_text_client --server_ip="0.0.0.0" --port=8000 \ --audio=/../hello.wav명령줄 클라이언트 옵션 보기
./speech_to_text_client --help