Chirp: modelo de fala universal

O Chirp é a próxima geração dos modelos de conversão de voz em texto do Google. Representando o auge da pesquisa, a primeira versão do Chirp está disponível agora para o Speech-to-Text. Pretendemos melhorar e expandir o Chirp para mais idiomas e domínios. Para mais detalhes, consulte nosso documento Google USM.

Treinamos modelos do Chirp com uma arquitetura diferente dos modelos de fala atuais. Um único modelo unifica dados de vários idiomas. No entanto, os usuários ainda especificam o idioma em que o modelo deve reconhecer a fala. O Chirp não é compatível com alguns recursos do Google Speech que outros modelos têm. Consulte Suporte e limitações de recursos para conferir uma lista completa.

Identificadores de modelo

O Chirp está disponível na API Speech-to-Text v2. É possível usá-lo como qualquer outro modelo.

O identificador de modelo do Chirp é: chirp.

É possível especificar esse modelo em solicitações de reconhecimento síncronas ou em lote.

Métodos de API disponíveis

O Chirp processa a fala em blocos muito maiores do que outros modelos. Isso significa que ele pode não ser adequado para uso em tempo real. O Chirp está disponível pelos seguintes métodos de API:

• v2 Speech.Recognize(ideal para áudios curtos < 1 minuto)
• v2 Speech.BatchRecognize(bom para áudios longos de 1 min a 8 horas)

O Chirp não está disponível nos seguintes métodos de API:

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

Regiões

O Chirp está disponível nas seguintes regiões:

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

Consulte a página de idiomas para mais informações.

Idiomas

Veja os idiomas compatíveis na lista completa de idiomas.

Suporte e limitações dos recursos

O Chirp não é compatível com alguns recursos da API STT:

• Pontuações de confiança: a API retorna um valor, mas não é um índice de confiança.
• Adaptação de fala: não há suporte para recursos de adaptação.
• Diarização: não há suporte para diarização automática.
• Normalização forçada: incompatível.
• Confiança da palavra: incompatível.
• Detecção de idioma: não compatível.

O Chirp é compatível com os seguintes recursos:

• Pontuação automática: a pontuação é prevista pelo modelo. Ela pode ser desativada.
• Marcação de tempo de palavra: opcionalmente retornada.
• Transcrição de áudio independente de idioma: o modelo infere automaticamente o idioma falado no arquivo de áudio e o adiciona aos resultados.

Antes de começar

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.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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.

      Acessar o IAM
   2. Selecionar um projeto.
   3. Clique em CONCEDER ACESSO.

   4. No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.

   5. Na lista Selecionar um papel, escolha um.
   6. Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
   7. Clique em Salvar.
   8. Install the Google Cloud CLI.

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

      gcloud init

      Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

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

       Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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.

          Acessar o IAM
       2. Selecionar um projeto.
       3. Clique em CONCEDER ACESSO.

       4. No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.

       5. Na lista Selecionar um papel, escolha um.
       6. Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
       7. Clique em Salvar.
       8. Install the Google Cloud CLI.

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

          gcloud init

          Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

       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. Para mais informações, consulte Autenticar para usar bibliotecas de cliente.

       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.

       Verifique também se você instalou a biblioteca de cliente.

       Executar reconhecimento de fala síncrono com o Chirp

       Veja um exemplo de reconhecimento de fala síncrono em um arquivo de áudio local usando o 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
       
       

       Fazer uma solicitação com a transcrição independente de idioma ativada

       Os exemplos de código a seguir demonstram como fazer uma solicitação com a transcrição independente de idioma ativada.

       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
       
       

       Comece a usar o Chirp no console do Google Cloud

       1. Verifique se você se inscreveu em uma conta do Google Cloud e criou um projeto.
       2. Acesse Speech no console do Google Cloud .
       3. Ative a API, se ainda não tiver feito isso.
       4. Acesse a subpágina Transcrições.
       5. Clique em Nova transcrição.

       6. Verifique se você tem um espaço de trabalho do STT. Caso contrário, crie uma.

          1. Abra o menu suspenso Espaço de trabalho e clique em Novo espaço de trabalho.

          2. Na barra lateral de navegação Criar um novo espaço de trabalho, clique em Procurar.

          3. Clique para criar um bucket.

          4. Digite um nome para o bucket e clique em Continuar.

          5. Clique em Criar.

          6. Depois que o bucket for criado, clique em Selecionar para selecionar o bucket.

          7. Clique em Criar para concluir a criação do espaço de trabalho para a conversão Speech-to-Text.

       7. Faça uma transcrição do áudio.

          

          1. Na página Nova transcrição, escolha uma opção para selecionar seu arquivo de áudio:
             • Clique em Upload local para fazer o upload.
             • Clique em Cloud Storage para especificar um arquivo do Cloud Storage.
          Observação: o Speech-to-Text tenta avaliar os parâmetros do arquivo de áudio automaticamente.
          1. Clique em Continuar.

          

          1. Na seção Opções de transcrição, selecione o Idioma falado que você pretende usar para reconhecimento com o Chirp no seu reconhecedor criado anteriormente.

          2. No menu suspenso Modelo*, selecione Chirp.

          3. No menu suspenso Região, selecione uma região, como us-central1.

          4. Clique em Continuar.

          5. Para executar sua primeira solicitação de reconhecimento usando o Chirp, na seção principal, clique em Enviar.

       8. Confira o resultado da transcrição do Chirp.

          1. Na página Transcrições, clique no nome da transcrição.

          2. Na página Detalhes da transcrição, confira o resultado da transcrição e, se quiser, reproduza o áudio no navegador.

       Limpar

       Para evitar cobranças na conta do Google Cloud pelos recursos usados nesta página, siga estas etapas.

       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

       Cuidado: excluir um projeto tem os seguintes efeitos:

       • Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
       • Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

       Se você planeja passar por várias arquiteturas, tutoriais ou guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

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

       Go to Manage resources

       In the project list, select the project that you want to delete, and then click Delete.

       In the dialog, type the project ID, and then click Shut down to delete the project.

       gcloud

       Cuidado: excluir um projeto tem os seguintes efeitos:

       • Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
       • Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

       Se você planeja passar por várias arquiteturas, tutoriais ou guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

       Delete a Google Cloud project:

       gcloud projects delete PROJECT_ID

       A seguir

       • Pratique a transcrição de arquivos de áudio curtos.
       • Saiba como transcrever streaming de áudio.
       • Saiba como transcrever arquivos de áudio longos.
       • Para dicas sobre como conseguir o melhor desempenho e precisão, entre outras, consulte a documentação sobre práticas recomendadas.