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
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Enable the Speech-to-Text APIs.
-
Make sure that you have the following role or roles on the project: Cloud Speech Administrator
Check for the roles
-
In the Google Cloud console, go to the IAM page.
Go to IAM - Select the project.
-
In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.
- For all rows that specify or include you, check the Role colunn to see whether the list of roles includes the required roles.
Grant the roles
-
In the Google Cloud console, go to the IAM page.
Acessar o IAM - Selecionar um projeto.
- Clique em CONCEDER ACESSO.
-
No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.
- Na lista Selecionar um papel, escolha um.
- Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
- Clique em Salvar.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Enable the Speech-to-Text APIs.
-
Make sure that you have the following role or roles on the project: Cloud Speech Administrator
Check for the roles
-
In the Google Cloud console, go to the IAM page.
Go to IAM - Select the project.
-
In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.
- For all rows that specify or include you, check the Role colunn to see whether the list of roles includes the required roles.
Grant the roles
-
In the Google Cloud console, go to the IAM page.
Acessar o IAM - Selecionar um projeto.
- Clique em CONCEDER ACESSO.
-
No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.
- Na lista Selecionar um papel, escolha um.
- Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
- Clique em Salvar.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
-
If you're using a local shell, then create local authentication credentials for your user account:
gcloud auth application-default login
You don't need to do this if you're using Cloud Shell.
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 Faça a autenticação para usar as bibliotecas do cliente.
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.
-
Optional: Revoke the authentication credentials that you created, and delete the local credential file.
gcloud auth application-default revoke
-
Optional: Revoke credentials from the gcloud CLI.
gcloud auth revoke
Console
gcloud
Delete a Google Cloud project:
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.