入門ガイド

音声認識の実行

• 短い音声ファイルの音声を文字に変換する

  ローカルとリモートの音声ファイルに同期音声認識を実行します。

• ストリーミング入力の音声を文字に変換する

  ローカルの音声ファイルに対して、ストリーミング音声認識を実行します。

• 長い音声ファイルの文字変換

  ローカルとリモートの音声ファイルに一括音声認識を実行します。

認識リクエストの構成

• 認識機能を作成して使用する

  認識機能を使用して認識構成を保存し、再利用します。

• 音声の言語を自動検出する

  Cloud Speech-to-Text に送信する音声文字変換リクエストに複数の言語コードを指定します。

• 音声文字変換モデルを選択する

  音声文字変換用の ML モデルを選択します。

• 複数のチャンネルを含む音声を文字に変換する

  複数のチャンネルを含む音声ファイルを音声文字変換します。

• 自動句読点入力を取得する

  Speech-to-Text の変換結果に句読点を挿入します。

• 単語レベルの信頼度を有効にする

  各単語の正確さを示す表現が音声文字変換に含まれるように指定します。

• 句読点と絵文字の音声入力を有効にする

  リモート ファイルに音声認識を実行し、認識された単語に時間オフセット（タイムスタンプ）値を含めます。

• Speech-to-Text リソースを暗号化する

  顧客管理の暗号鍵（CMEK）を使用して Speech-to-Text リソースを暗号化します。

音声文字変換モデルの詳細

• Chirp による音声文字変換

  最新のユニバーサル音声モデルである Chirp を使用して、音声認識を行います。

• 適合性モデルによる音声文字変換

  Speech-to-Text が提供する最新の適合モデルを使用して音声認識を行います。

• 医療モデルを使用した音声文字変換

  医療ディクテーションと医療会話用に調整されたモデルを使用して音声認識を実行します。

• Base64 エンコード

  音声を Base64 でエンコードする方法について学びます。