Reconhecer fala usando modelos médicos

A Speech-to-Text oferece dois modelos médicos, além dos outros modelos padrão e aprimorados de reconhecimento de fala. Os modelos médicos são adaptados especificamente para o reconhecimento de palavras comuns em cenários médicos, como diagnósticos, medicamentos, sintomas, tratamentos e condições. Esses modelos melhoram a transcrição de áudios que tenham esse tipo de dados.

Há dois modelos médicos, cada um personalizado para casos de uso específicos:

  • medical_conversation: para conversas entre um paciente e um prestador de serviços médicos, como um médico ou enfermeiro. Use esse modelo ao lidar com conversas desse tipo. As palavras faladas por cada pessoa são detectadas e rotuladas automaticamente na transcrição retornada.
  • medical_dictation: para anotações ditadas por um único servidor de serviços médicos, como um médico fazendo observações sobre os resultados do exame de sangue de um paciente.

Use os modelos médicos apenas com os recursos abaixo da Speech-to-Text. Os recursos omitidos nesta lista não podem ser usados com os modelos médicos.

O modelo de conversa médica tem disponibilidade para os seguintes recursos:

Ele também exige que os recursos abaixo estejam ativados:

O modelo de ditado médico aceita os atributos abaixo:

Ele também exige que os recursos abaixo estejam ativados:

Enviar uma solicitação de transcrição

REST

O exemplo de código a seguir usa o modelo medical_conversation para transcrever um arquivo de áudio em um bucket público do Cloud Storage.

Antes de usar os dados da solicitação, faça as seguintes substituições:

  • LANGUAGE_CODE: o código BCP-47 do idioma falado no clipe de áudio. Os modelos médicos só estão disponíveis para en-US.
  • ENCODING: a codificação do áudio que você quer transcrever. Se você estiver usando o exemplo de áudio público, a codificação será LINEAR16.
  • PROJECT_ID: o ID alfanumérico do projeto do Google Cloud .

Método HTTP e URL: 

POST https://speech.googleapis.com/v1/speech:recognize

Corpo JSON da solicitação:

{
  "config": {
    "languageCode": "LANGUAGE_CODE",
    "encoding": "ENCODING",
    "model": "medical_conversation"
  },
  "audio": {
    "uri": "gs://cloud-samples-data/speech/medical_conversation_2.wav"
  }
}

Para enviar a solicitação, expanda uma destas opções:

Você receberá uma resposta JSON semelhante a esta:

  "results": [
    {
      "alternatives": [
        {
          "transcript": "Um-hum . Yeah. Hello , good morning . Good
          morning . So , tell me what's going on . Uh , sure , so , um , I
          woke up probably three or four days ago , which , uh , wheezing and short of breath .
          Okay , any cough or chest pain ? I cough infrequently , but no ,
          uh , chest pain . Have you been exposed to anyone with covid ?
          Uh , no , and I also took a test , which was negative . Uh , is it getting
          worse , or better ? Uh , it has been getting a lot worse"
        }
      ]
    },
    {
      "alternatives": [
        {
          "transcript": "Okay . Was there something that triggered this exposure to cold , for
          example ? Um , I had a gone hiking , and I got caught in the rain the day
          before this all started ."
        }
      ]
    }
  ]
}

Pontuação falada

O modelo de ditado médico aceita a pontuação falada para observações médicas. Esse recurso está sempre ativo. A pontuação falada é delineada por colchetes na transcrição de fala. Por exemplo, a transcrição retornada pode ser semelhante a esta:

Patient could be showing signs of trauma [question mark] They said they were [quote] having elevated heart rate [unquote].

A Speech-to-Text tem disponibilidade para a seguinte pontuação falada:

  • ponto final
  • vírgula
  • dois-pontos
  • Caps Lock
  • barra
  • traço
  • hífen
  • ponto de interrogação
  • ponto e vírgula
  • aspas de abertura
  • aspas de fechamento
  • aspas de encerramento
  • parêntese de abertura
  • parêntese de fechamento
  • parêntese de encerramento

Comandos de formatação

O modelo de ditado médico aceita comandos falados para observações de formatação. Esse recurso está sempre ativo. Os comandos falados vão ser delineados por colchetes na transcrição da fala. Por exemplo, a transcrição retornada pode ser semelhante a esta:

[next line] Patient says they are experiencing fever [next point].

A Speech-to-Text aceita os seguintes comandos falados:

  • próximo ponto
  • próximo número
  • próximo parágrafo
  • Caps Lock
  • letras maiúsculas
  • nova linha
  • próximo item
  • próximo problema
  • próximo número de problema
  • próxima linha
  • próxima seção
  • próximo número
  • corrigir
  • corrigir isso
  • fim do ditado

Títulos falados

O modelo de ditado médico aceita títulos falados em observações ditadas. Esse recurso é ativado por padrão e não pode ser desativado. Os títulos vão ser delineados por colchetes e ficar em letras maiúsculas na transcrição. Por exemplo, a transcrição retornada pode ser semelhante a esta:

[CURRENT MEDICATIONS] Patient is currently taking no medications.

A Speech-to-Text aceita os seguintes títulos falados:

  • QUEIXA PRINCIPAL
  • MEDICAÇÕES ATUAIS
  • MEDICAÇÕES DE ALTA
  • PLANO DE ALTA
  • HISTÓRICO FAMILIAR
  • DESCOBERTAS
  • ANÁLISE DE SISTEMAS
  • HISTÓRICO DE DOENÇA ATUAL
  • INDICAÇÕES
  • LABORATÓRIOS
  • HISTÓRICO CIRÚRGICO ANTERIOR
  • EXAME FÍSICO
  • ANÁLISE DE SISTEMAS
  • RADIOLOGIA