Chirp: modello vocale universale

Chirp è la nuova generazione di modelli di conversione della voce in testo di Google. Rappresenta il culmine di anni di ricerca, la prima versione di Chirp è ora disponibile per Speech-to-Text. Abbiamo intenzione di migliorare ed estendere Chirp ad altre lingue e domini. Per maggiori dettagli, consulta il nostro articolo Google USM.

Abbiamo addestrato i modelli Chirp con un'architettura diversa rispetto ai nostri attuali modelli vocali. Un singolo modello unifica i dati di più lingue. Tuttavia, gli utenti devono comunque specificare la lingua in cui il modello deve riconoscere il parlato. Chirp non supporta alcune delle funzionalità di Google Speech presenti in altri modelli. Di seguito è riportato un elenco completo.

Identificatori modello

Chirp è disponibile nell'API Speech-to-Text v2. Puoi usarlo come qualsiasi altro un modello di machine learning.

L'identificatore del modello di Chirp è: chirp.

Puoi specificare questo modello durante la creazione di un riconoscimento o in linea nel riconoscimento sincrono o batch richieste.

Metodi API disponibili

Chirp elabora il parlato in blocchi molto più grandi rispetto ad altri modelli. Ciò significa che potrebbe non essere adatto per un utilizzo in tempo reale. Chirp è disponibile tramite i seguenti metodi dell'API:

Chirp non è disponibile per i seguenti metodi API:

  • v2 Speech.StreamingRecognize
  • v1 Speech.StreamingRecognize
  • v1 Speech.Recognize
  • v1 Speech.LongRunningRecognize
  • v1p1beta1 Speech.StreamingRecognize
  • v1p1beta1 Speech.Recognize
  • v1p1beta1 Speech.LongRunningRecognize

Regioni

Chirp è disponibile nelle seguenti regioni:

  • us-central1
  • europe-west4
  • asia-southeast1

Consulta la pagina delle lingue per ulteriori informazioni.

Linguaggi

Puoi visualizzare le lingue supportate nell'elenco completo delle lingue.

Supporto e limitazioni delle funzionalità

Chirp al momento non supporta molte delle funzionalità dell'API STT. Di seguito sono riportate le limitazioni specifiche.

  • Punteggi di affidabilità: l'API restituisce un valore, ma non è effettivamente un punteggio di confidenza.
  • Adattamento vocale: nessuna funzionalità di adattamento supportata.
  • Diarizzazione: la diarizzazione automatica non è supportata.
  • Normalizzazione forzata: non supportata.
  • Confidenza a livello di parola: non supportata.
  • Rilevamento della lingua: non supportato.

Chirp supporta le seguenti funzionalità:

  • Punteggiatura automatica: la punteggiatura viene prevista dal modello. Può essere disattivata.
  • Tempi di pronuncia delle parole: facoltativo.
  • Trascrizione audio indipendente dalla lingua: il modello deduce automaticamente la lingua parlata nel file audio e la aggiunge ai risultati.

Prima di iniziare

  1. 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.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Enable the Speech-to-Text APIs.

    Enable the APIs

  5. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

    Check for the roles

    1. In the Google Cloud console, go to the IAM page.

      Go to IAM
    2. Select the project.

    3. 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.

    4. 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

    1. In the Google Cloud console, go to the IAM page.

      Vai a IAM
    2. Seleziona il progetto.
    3. Fai clic su Concedi accesso.

    4. Nel campo Nuove entità, inserisci il tuo identificatore utente. In genere si tratta dell'indirizzo email di un Account Google.

    5. Nell'elenco Seleziona un ruolo, seleziona un ruolo.
    6. Per concedere altri ruoli, fai clic su Aggiungi un altro ruolo e aggiungi ogni ruolo aggiuntivo.
    7. Fai clic su Salva.
    8. Install the Google Cloud CLI.

    9. To initialize the gcloud CLI, run the following command: 

      gcloud init

    10. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

      Go to project selector

    11. Make sure that billing is enabled for your Google Cloud project.

    12. Enable the Speech-to-Text APIs.

      Enable the APIs

    13. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

      Check for the roles

      1. In the Google Cloud console, go to the IAM page.

        Go to IAM
      2. Select the project.

      3. 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.

      4. 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

      1. In the Google Cloud console, go to the IAM page.

        Vai a IAM
      2. Seleziona il progetto.
      3. Fai clic su Concedi accesso.

      4. Nel campo Nuove entità, inserisci il tuo identificatore utente. In genere si tratta dell'indirizzo email di un Account Google.

      5. Nell'elenco Seleziona un ruolo, seleziona un ruolo.
      6. Per concedere altri ruoli, fai clic su Aggiungi un altro ruolo e aggiungi ogni ruolo aggiuntivo.
      7. Fai clic su Salva.
      8. Install the Google Cloud CLI.

      9. To initialize the gcloud CLI, run the following command: 

        gcloud init

        10. Le librerie client possono utilizzare le credenziali predefinite dell'applicazione per autenticarsi facilmente con le API di Google e inviare richieste a queste API. Con Credenziali predefinite dell'applicazione, puoi testare l'applicazione in locale ed eseguirne il deployment senza modificare il codice sottostante. Per ulteriori informazioni, consulta Autentica per l'utilizzo delle librerie client.

      10. 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.

      Assicurati inoltre di aver installato la libreria client.

      Eseguire il riconoscimento vocale sincrono con Chirp

      Ecco un esempio di esecuzione del riconoscimento vocale sincrono su un file audio locale utilizzando Chirp:

      Python

      import os

from google.api_core.client_options import ClientOptions
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def transcribe_chirp(
    audio_file: str,
) -> cloud_speech.RecognizeResponse:
    """Transcribes an audio file using the Chirp model of Google Cloud Speech-to-Text API.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
            Example: "resources/audio.wav"
    Returns:
        cloud_speech.RecognizeResponse: The response from the Speech-to-Text API containing
        the transcription results.

    """
    # Instantiates a client
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint="us-central1-speech.googleapis.com",
        )
    )

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="chirp",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/us-central1/recognizers/_",
        config=config,
        content=audio_content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")

    return response

      Effettuare una richiesta con la trascrizione indipendente dalla lingua attivata

      I seguenti esempi di codice mostrano come effettuare una richiesta con la trascrizione indipendente dalla lingua abilitata.

      Python

      import os

from google.api_core.client_options import ClientOptions
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def transcribe_chirp_auto_detect_language(
    audio_file: str,
    region: str = "us-central1",
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file and auto-detect spoken language using Chirp.
    Please see https://cloud.google.com/speech-to-text/v2/docs/encoding for more
    information on which audio encodings are supported.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
        region (str): The region for the API endpoint.
    Returns:
        cloud_speech.RecognizeResponse: The response containing the transcription results.
    """
    # Instantiates a client
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint=f"{region}-speech.googleapis.com",
        )
    )

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["auto"],  # Set language code to auto to detect language.
        model="chirp",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/{region}/recognizers/_",
        config=config,
        content=audio_content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")
        print(f"Detected Language: {result.language_code}")

    return response

      Introduzione a Chirp nella console Google Cloud

      1. Assicurati di aver creato un account Google Cloud e un progetto.
      2. Vai a Speech nella console Google Cloud.
      3. Abilita l'API se non è già abilitata.

      4. Crea un riconoscimento STT che utilizzi Chirp. a. Vai alla scheda Rilevatori e fai clic su Crea.

        Screenshot dell'elenco Riconoscimento voce in testo.

        b. Nella pagina Crea Recognizer, inserisci i campi necessari per Chirp.

        Screenshot della pagina Riconoscimento della voce in testo.

        i. Assegna un nome al riconoscitore.

        ii. Seleziona chirp come modello.

        iii. Seleziona la lingua che vuoi utilizzare. Devi utilizzare un riconoscitore per ogni lingua che prevedi di testare.

        iv. Non selezionare altre funzionalità.

      5. Assicurati di avere uno spazio di lavoro dell'interfaccia utente di STT. Se non ne hai già uno, devi crearne uno. a. Visita la pagina delle trascrizioni e fai clic su Nuova trascrizione.

        b. Apri il menu a discesa Spazio di lavoro e fai clic su Nuovo spazio di lavoro per creare uno spazio di lavoro per la trascrizione.

        c. Nella barra laterale di navigazione Crea una nuova area di lavoro, fai clic su Sfoglia.

        d. Fai clic per creare un nuovo bucket.

        e. Inserisci un nome per il bucket e fai clic su Continua.

        f. Fai clic su Crea per creare il bucket Cloud Storage.

        g Una volta creato il bucket, fai clic su Seleziona per selezionarlo per l'utilizzo.

        h. Fai clic su Crea per completare la creazione dell'area di lavoro per l'interfaccia utente di conversione vocale in testo.

      6. Esegui una trascrizione dell'audio effettivo.

        Screenshot della pagina di creazione della trascrizione di sintesi vocale, che mostra la selezione o il caricamento del file.

        a. Nella pagina Nuova trascrizione, seleziona il file audio tramite il caricamento (caricamento locale) o specificando un file Cloud Storage esistente (Cloud Storage). Nota: l'interfaccia utente tenta di valutare automaticamente i parametri del file audio.

        b. Fai clic su Continua per passare alle Opzioni di trascrizione.

        Screenshot della pagina di creazione della trascrizione della voce in testo che mostra la selezione del modello Chirp e l'invio di un job di trascrizione.

        c. Seleziona la Lingua parlata che intendi utilizzare per il riconoscimento con Chirp dal riconoscimento creato in precedenza.

        d. Nel menu a discesa del modello, seleziona Chirp - Universal Speech Model.

        e. Nel menu a discesa Riconoscimento, seleziona il riconoscimento appena creato.

        f. Fai clic su Invia per eseguire la tua prima richiesta di riconoscimento utilizzando Chirp.

      7. Visualizza il risultato della trascrizione Chirp. a. Nella pagina Trascrizioni, fai clic sul nome della trascrizione per visualizzarne il risultato.

        b. Nella pagina Dettagli della trascrizione, visualizza il risultato della trascrizione e, se vuoi, riproduci l'audio nel browser.

      Esegui la pulizia

      Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.

      1. Optional: Revoke the authentication credentials that you created, and delete the local credential file. 

        gcloud auth application-default revoke

      2. Optional: Revoke credentials from the gcloud CLI. 

        gcloud auth revoke

      Console

    14. In the Google Cloud console, go to the Manage resources page.

      Go to Manage resources

    15. In the project list, select the project that you want to delete, and then click Delete.
    16. In the dialog, type the project ID, and then click Shut down to delete the project.

      17. gcloud

      Delete a Google Cloud project:

      gcloud projects delete PROJECT_ID

      Passaggi successivi