Chirp: Model ucapan universal

Chirp adalah model speech-to-text generasi berikutnya dari Google. Merepresentasikan puncak dari penelitian selama bertahun-tahun, versi pertama Chirp kini tersedia untuk Speech-to-Text. Kami bermaksud meningkatkan dan memperluas Chirp ke lebih banyak bahasa dan domain. Untuk mengetahui detailnya, lihat makalah kami, Google USM.

Kami melatih model Chirp dengan arsitektur yang berbeda dari model ucapan kami saat ini. Satu model menyatukan data dari beberapa bahasa. Namun, pengguna tetap menentukan model akan mengenali ucapan dalam bahasa yang dipilih. Chirp tidak mendukung beberapa fitur Google Speech yang dimiliki model lain. Lihat daftar lengkapnya di bawah.

ID model

Chirp tersedia di Speech-to-Text API v2. Anda dapat memanfaatkannya seperti model lainnya.

ID model untuk Chirp adalah: chirp.

Anda dapat menentukan model ini saat membuat pengenal atau inline dalam permintaan pengenalan sinkron atau batch.

Metode API yang tersedia

Chirp memproses ucapan dalam potongan yang jauh lebih besar daripada model lain. Artinya, fitur ini mungkin tidak cocok untuk penggunaan real-time yang sesungguhnya. Chirp tersedia melalui metode API berikut:

Chirp tidak tersedia pada metode API berikut:

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

Region

Chirp tersedia di region berikut:

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

Lihat halaman harga untuk mengetahui detail selengkapnya.

Languages

Anda dapat melihat bahasa yang didukung di daftar bahasa lengkap.

Dukungan dan batasan fitur

Chirp saat ini tidak mendukung banyak fitur STT API. Lihat pembatasan tertentu di bawah.

  • Skor keyakinan: API menampilkan nilai, tetapi bukan sepenuhnya skor keyakinan.
  • Adaptasi ucapan: Tidak ada fitur adaptasi yang didukung.
  • Diarisasi: Diarisasi otomatis tidak didukung.
  • Normalisasi paksa: Tidak didukung.
  • Keyakinan tingkat kata: Tidak didukung.
  • Deteksi bahasa: Tidak didukung.

Chirp mendukung fitur berikut:

  • Tanda baca otomatis: Tanda baca diprediksi oleh model. Fitur ini dapat dinonaktifkan.
  • Word timings: Opsional, ditampilkan.
  • Transkripsi audio tanpa bahasa: Model ini otomatis menyimpulkan bahasa lisan di file audio Anda dan menambahkannya ke hasil.

Sebelum memulai

  1. Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.
  2. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

    Buka pemilih project

  3. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

  4. Aktifkan API Speech-to-Text.

    Mengaktifkan API

  5. Pastikan Anda memiliki peran berikut di project: Cloud Speech Administrator

    Memeriksa peran

    1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
    2. Pilih project.
    3. Di kolom Akun utama, cari baris yang berisi alamat email Anda.

      Jika alamat email Anda tidak ada di kolom tersebut, berarti Anda tidak memiliki peran apa pun.

    4. Di kolom Peran untuk baris yang berisi alamat email Anda, periksa apakah daftar peran menyertakan peran yang diperlukan.

    Memberikan peran

    1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
    2. Pilih project.
    3. Klik Berikan akses.
    4. Di kolom Akun utama baru, masukkan alamat email Anda.
    5. Di daftar Pilih peran, pilih peran.
    6. Untuk memberikan peran tambahan, klik Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
    7. Klik Simpan.
  6. Menginstal Google Cloud CLI.
  7. Untuk initialize gcloud CLI, jalankan perintah berikut:

    gcloud init
  8. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

    Buka pemilih project

  9. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

  10. Aktifkan API Speech-to-Text.

    Mengaktifkan API

  11. Pastikan Anda memiliki peran berikut di project: Cloud Speech Administrator

    Memeriksa peran

    1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
    2. Pilih project.
    3. Di kolom Akun utama, cari baris yang berisi alamat email Anda.

      Jika alamat email Anda tidak ada di kolom tersebut, berarti Anda tidak memiliki peran apa pun.

    4. Di kolom Peran untuk baris yang berisi alamat email Anda, periksa apakah daftar peran menyertakan peran yang diperlukan.

    Memberikan peran

    1. Di konsol Google Cloud, buka halaman IAM.

      Buka IAM
    2. Pilih project.
    3. Klik Berikan akses.
    4. Di kolom Akun utama baru, masukkan alamat email Anda.
    5. Di daftar Pilih peran, pilih peran.
    6. Untuk memberikan peran tambahan, klik Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
    7. Klik Simpan.
  12. Menginstal Google Cloud CLI.
  13. Untuk initialize gcloud CLI, jalankan perintah berikut:

    gcloud init
  14. Library klien dapat menggunakan Kredensial Default Aplikasi untuk dengan mudah melakukan autentikasi dengan Google API dan mengirim permintaan ke API tersebut. Dengan Kredensial Default Aplikasi, Anda dapat menguji aplikasi secara lokal dan men-deploy aplikasi tanpa mengubah kode yang mendasarinya. Untuk informasi selengkapnya, lihat Autentikasi untuk menggunakan library klien.

  15. Buat kredensial autentikasi lokal untuk Akun Google Anda:

    gcloud auth application-default login

Pastikan juga Anda telah menginstal library klien.

Lakukan pengenalan ucapan sinkron dengan Chirp

Berikut adalah contoh penerapan pengenalan ucapan sinkron pada file audio lokal menggunakan Chirp:

Python

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

def transcribe_chirp(
    project_id: str,
    audio_file: str,
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file using Chirp."""
    # 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:
        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=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

Membuat permintaan dengan transkripsi agnostik bahasa diaktifkan

Contoh kode berikut menunjukkan cara membuat permintaan dengan transkripsi agnostik bahasa diaktifkan.

Python


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

def transcribe_chirp_auto_detect_language(
    project_id: str,
    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.
    """
    # 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:
        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=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

Mulai menggunakan Chirp di Konsol Google Cloud

  1. Pastikan Anda telah mendaftar ke akun Google Cloud dan membuat project.
  2. Buka Ucapan di Konsol Google Cloud.
  3. Aktifkan API jika belum diaktifkan.
  4. Buat Pengenal STT yang menggunakan Chirp. a. Buka tab Pengenal, lalu klik Buat.

    Screenshot daftar Pengenal Speech-to-text.

    b. Dari halaman Buat Pengenal, masukkan kolom yang diperlukan untuk Chirp.

    Screenshot halaman buat Pengenal Speech-to-text.

    i. Beri nama pengenal Anda.

    ii. Pilih chirp sebagai Model.

    iii. Pilih bahasa yang ingin Anda gunakan. Anda harus menggunakan satu pengenal per bahasa yang ingin diuji.

    iv. Jangan pilih fitur lainnya.

  5. Pastikan Anda memiliki Workspace UI STT. Jika belum memilikinya, Anda harus membuat ruang kerja. a. Buka halaman transkripsi, lalu klik Transkripsi Baru.

    b. Buka dropdown Workspace lalu klik New Workspace guna membuat ruang kerja untuk transkripsi.

    c. Dari sidebar navigasi Buat workspace baru, klik Jelajahi.

    d. Klik untuk membuat bucket baru.

    e. Masukkan nama untuk bucket Anda, lalu klik Continue.

    f. Klik Buat untuk membuat bucket Cloud Storage.

    g. Setelah bucket dibuat, klik Select untuk memilih bucket yang akan digunakan.

    h. Klik Create guna menyelesaikan pembuatan ruang kerja Anda untuk UI speech-to-text.

  6. Lakukan transkripsi pada audio Anda yang sebenarnya.

    Screenshot halaman pembuatan transkripsi Speech-to-text, yang menampilkan pemilihan atau upload file.

    a. Dari halaman Transkripsi Baru, pilih file audio Anda melalui upload (Upload lokal) atau tentukan file Cloud Storage yang sudah ada (Penyimpanan Cloud). Catatan: UI mencoba menilai parameter file audio Anda secara otomatis.

    b. Klik Lanjutkan untuk berpindah ke Opsi transkripsi.

    Screenshot halaman pembuatan transkripsi Speech-to-text yang menunjukkan pemilihan model Chirp dan mengirimkan tugas transkripsi.

    c. Pilih Bahasa lisan yang akan Anda gunakan untuk pengenalan dengan Chirp dari pengenal yang dibuat sebelumnya.

    d. Pada menu dropdown model, pilih Chirp - Universal Speech Model.

    e. Di menu dropdown Pengenal, pilih pengenal yang baru Anda buat.

    f. Klik Kirim untuk menjalankan permintaan pengenalan pertama Anda menggunakan Chirp.

  7. Lihat hasil transkripsi Chirp Anda. a. Dari halaman Transkripsi, klik nama transkripsi untuk melihat hasilnya.

    b. Di halaman Detail transkripsi, lihat hasil transkripsi dan jika perlu, putar audio di browser.

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan pada halaman ini, ikuti langkah-langkah berikut.

  1. Opsional: Cabut kredensial autentikasi yang Anda buat, dan hapus file kredensial lokal.

    gcloud auth application-default revoke
  2. Opsional: Cabut kredensial dari gcloud CLI.

    gcloud auth revoke

Konsol

  • Di konsol Google Cloud, buka halaman Manage resource.

    Buka Manage resource

  • Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
  • Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.
  • gcloud

    Menghapus project Google Cloud:

    gcloud projects delete PROJECT_ID

    Langkah selanjutnya