Gunakan model Speech-to-Text Kustom terlatih dalam alur kerja benchmark atau aplikasi produksi Anda. Segera setelah men-deploy model melalui endpoint khusus, Anda akan otomatis mendapatkan akses terprogram melalui objek pengenal, yang dapat digunakan langsung melalui Speech-to-Text V2 API atau di konsol Google Cloud.
Sebelum memulai
Pastikan Anda telah mendaftar untuk membuat akun Google Cloud, membuat project, melatih model ucapan kustom, dan men-deploy-nya menggunakan endpoint.
Melakukan inferensi di V2
Agar model Speech-to-Text Kustom siap digunakan, status model di tab Models harus Active, dan endpoint khusus di tab Endpoint harus Di-deploy.
Dalam contoh kita, dengan ID project Google Cloud adalah custom-models-walkthrough, endpoint yang sesuai dengan model Speech-to-Text Kustom quantum-computing-lectures-custom-model adalah quantum-computing-lectures-custom-model-prod-endpoint. Wilayah yang tersedia adalah us-east1, dan permintaan transkripsi batch adalah sebagai berikut:
from google.api_core import client_options
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech
def quickstart_v2(
project_id: str,
audio_file: str,
) -> cloud_speech.RecognizeResponse:
"""Transcribe an audio file."""
# Instantiates a client
client = SpeechClient(
client_options=client_options.ClientOptions(
api_endpoint="us-east1-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="projects/custom-models-walkthrough/locations/us-east1/endpoints/quantum-computing-lectures-custom-model-prod-endpoint",
)
request = cloud_speech.RecognizeRequest(
recognizer=f"projects/custom-models-walkthrough/locations/us-east1/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
Langkah selanjutnya
Ikuti referensi untuk memanfaatkan model ucapan kustom di aplikasi Anda. Lihat Mengevaluasi model kustom.