Nesta página, veja como transcrever arquivos de áudio longos (com mais de um minuto) usando a API Speech-to-Text e o reconhecimento de fala assíncrono.
Sobre o reconhecimento de fala assíncrono
O reconhecimento de fala em lote inicia uma operação de processamento de áudio de longa duração. Use o reconhecimento de fala assíncrono para transcrever áudios com mais de 60 segundos. Para áudios mais curtos, o reconhecimento de fala síncrono é mais rápido e mais simples. O limite máximo para o reconhecimento de fala assíncrono é de 480 minutos (8 horas).
O reconhecimento de fala em lote só é capaz de transcrever áudio armazenado no Cloud Storage. A saída da transcrição pode ser fornecida inline na resposta (para solicitações de reconhecimento em lote de arquivo único) ou gravada no Cloud Storage.
A solicitação de reconhecimento em lote retorna um Operation
que contém
informações sobre o processamento do reconhecimento contínuo da solicitação. É possível
pesquisar a operação para saber quando ela foi concluída e se as transcrições estão
disponíveis.
Antes de começar
- Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Speech-to-Text.
-
Verifique se você tem os seguintes papéis no projeto: Cloud Speech Administrator
Verificar os papéis
-
No console do Google Cloud, abra a página IAM.
Acessar IAM - Selecionar um projeto.
-
Na coluna Principal, encontre a linha que contém seu endereço de e-mail.
Caso seu endereço de e-mail não esteja nessa coluna, isso significa que você não tem papéis.
- Na coluna Papel da linha com seu endereço de e-mail, verifique se a lista de papéis inclui os papéis necessários.
Conceder os papéis
-
No console do Google Cloud, abra a página IAM.
Acesse o IAM - Selecionar um projeto.
- Clique em CONCEDER ACESSO.
- No campo Novos participantes, digite seu endereço de e-mail.
- Na lista Selecionar um papel, escolha um.
- Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
- Clique em Save.
-
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Speech-to-Text.
-
Verifique se você tem os seguintes papéis no projeto: Cloud Speech Administrator
Verificar os papéis
-
No console do Google Cloud, abra a página IAM.
Acessar IAM - Selecionar um projeto.
-
Na coluna Principal, encontre a linha que contém seu endereço de e-mail.
Caso seu endereço de e-mail não esteja nessa coluna, isso significa que você não tem papéis.
- Na coluna Papel da linha com seu endereço de e-mail, verifique se a lista de papéis inclui os papéis necessários.
Conceder os papéis
-
No console do Google Cloud, abra a página IAM.
Acesse o IAM - Selecionar um projeto.
- Clique em CONCEDER ACESSO.
- No campo Novos participantes, digite seu endereço de e-mail.
- Na lista Selecionar um papel, escolha um.
- Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
- Clique em Save.
-
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
Create local authentication credentials for your user account:
gcloud auth application-default login
As bibliotecas de cliente podem usar o Application Default Credentials para autenticar facilmente com as APIs do Google e enviar solicitações para essas APIs. Com esse serviço, é possível testar seu aplicativo localmente e implantá-lo sem alterar o código subjacente. Par amais informações, consulte <atrack-type="commonincludes" l10n-attrs-original-order="href,track-type,track-name" l10n-encrypted-href="WDE63JFVMK0YqIWBqG8nCycgwkRfOeEqRvzYs1N+2tJUEhcZvE5VtDH5LoWw0lj/" track-name="referenceLink"> Faça a autenticação para usar as bibliotecas do cliente.</atrack-type="commonincludes">
Verifique também se você instalou a biblioteca de cliente.
Ativar acesso ao Cloud Storage
O Speech-to-Text usa uma conta de serviço para acessar os arquivos no Cloud Storage. Por padrão, a conta de serviço tem acesso aos arquivos do Cloud Storage no mesmo projeto.
O endereço de e-mail da conta de serviço é:
service-PROJECT_NUMBER@gcp-sa-speech.iam.gserviceaccount.com
Para transcrever arquivos do Cloud Storage em outro projeto, conceda a essa conta de serviço o papel Agente de serviço do Speech-to-Text no outro projeto:
gcloud projects add-iam-policy-binding PROJECT_ID \
--member=serviceAccount:service-PROJECT_NUMBER@gcp-sa-speech.iam.gserviceaccount.com \
--role=roles/speech.serviceAgent
Mais informações sobre a política de IAM de projetos estão disponíveis em Gerenciar acesso a projetos, pastas e organizações.
Também é possível atribuir à conta de serviço um acesso mais granular, concedendo permissão a um bucket específico do Cloud Storage:
gsutil iam ch serviceAccount:service-PROJECT_NUMBER@gcp-sa-speech.iam.gserviceaccount.com:admin \
gs://BUCKET_NAME
Mais informações sobre como gerenciar o acesso ao Cloud Storage estão disponíveis em Criar e gerenciar listas de controle de acesso na documentação do Cloud Storage.
Executar reconhecimento em lote com resultados inline
Veja um exemplo de reconhecimento de fala em lote em um arquivo de áudio no Cloud Storage e leitura dos resultados de transcrição inline da resposta:
Python
Executar reconhecimento em lote e gravar resultados no Cloud Storage
Veja um exemplo de reconhecimento de fala em lote em um arquivo de áudio no Cloud Storage e leitura dos resultados de transcrição do arquivo de saída no Cloud Storage. Observe que o arquivo gravado no Cloud Storage é uma mensagem BatchRecognizeResults
no formato JSON:
Python
Realizar reconhecimento em lote em vários arquivos
Veja um exemplo de reconhecimento de fala em lote em vários arquivos de áudio no Cloud Storage e leitura dos resultados de transcrição dos arquivos de saída no Cloud Storage:
Python
Ativar lotes dinâmicos no reconhecimento em lote
Os lotes dinâmicos permitem uma transcrição mais barata para maior latência. Esse recurso está disponível apenas para reconhecimento em lote.
Veja um exemplo de reconhecimento em lote em um arquivo de áudio no Cloud Storage com lote dinâmico ativado:
Python
Substituir recursos de reconhecimento por arquivo
Por padrão, a identificação em lote usa a mesma configuração para cada arquivo na solicitação de identificação em lote. Se arquivos diferentes exigirem configurações ou recursos diferentes, a configuração poderá ser substituída por arquivo usando o campo config
na mensagem [BatchRecognizeFileMetadata
][batch-file-metadata-grpc]. Consulte a documentação dos identificadores para ver um exemplo de como substituir os recursos de identificação.
Limpar
Para evitar cobranças na conta do Google Cloud pelos recursos usados nesta página, siga estas etapas.
-
Opcional: revogue as credenciais de autenticação que você criou e exclua o arquivo de credenciais local:
gcloud auth application-default revoke
-
Opcional: revogar credenciais da CLI gcloud.
gcloud auth revoke
Console
gcloud
Exclua um projeto do Google Cloud:
gcloud projects delete PROJECT_ID
A seguir
- Consulte a documentação de referência para reconhecimento em lote.
- Saiba como transcrever streaming de áudio.
- Pratique como transcrever arquivos de áudio curtos.
- Transcreva arquivos de áudio usando o Chirp.
- Para dicas sobre como conseguir o melhor desempenho e precisão, entre outras, consulte a documentação sobre práticas recomendadas.