Migrar de Speech-to-Text v1 a v2

La versión 2 de la API Speech-to-Text ofrece a los clientes el diseño de API más reciente para cumplir los requisitos normativos y de seguridad de las empresas desde el primer momento. Google Cloud

Estos requisitos se cumplen de las siguientes formas:

  • Residencia de datos: Speech-to-Text v2 ofrece la amplia gama de nuestros modelos de transcripción en Google Cloud regiones, como Bélgica o Singapur. De esta forma, se pueden invocar nuestros modelos de transcripción a través de un servicio totalmente regionalizado.

  • Recursos de reconocedor: los reconocedores son configuraciones de reconocimiento reutilizables que pueden contener una combinación de modelo, idioma y funciones.

  • Registro: la creación de recursos y las transcripciones generan registros disponibles en la Google Cloud consola, lo que permite mejorar la telemetría y la depuración.

  • Cifrado: Speech-to-Text v2 admite claves de cifrado gestionadas por el cliente para todos los recursos, así como la transcripción en lotes.

  • Detección automática de audio: Speech-to-Text v2 puede detectar automáticamente la frecuencia de muestreo, el número de canales y el formato de tus archivos de audio sin necesidad de proporcionar esa información en la configuración de la solicitud.

Migrar de v1 a v2

La migración de la API v1 a la API v2 no se realiza automáticamente. Para aprovechar el conjunto de funciones, solo es necesario hacer cambios mínimos en la implementación.

Migrar en la API

Al igual que en Speech-to-Text v1, para transcribir audio, debes crear un RecognitionConfig. Para ello, selecciona el idioma del audio y el modelo de reconocimiento que quieras:

Python

import os

from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def quickstart_v2(audio_file: str) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
    Returns:
        cloud_speech.RecognizeResponse: The response from the recognize request, containing
        the transcription results
    """
    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    # Instantiates a client
    client = SpeechClient()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="long",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/global/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

Si es necesario, selecciona una región en la que quieras usar la API Speech-to-Text y consulta la disponibilidad de idiomas y modelos en esa región:

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 change_speech_v2_location(
    audio_file: str, location: str
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file in a specific region. It allows for specifying the location
        to potentially reduce latency and meet data residency requirements.
    Args:
        audio_file (str): Path to the local audio file to be transcribed.
        location (str): The region where the Speech API will be accessed.
            E.g., "europe-west3"
    Returns:
        cloud_speech.RecognizeResponse: The full response object which includes the transcription results.
    """
    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        audio_content = f.read()

    # Instantiates a client to a regionalized Speech endpoint.
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint=f"{location}-speech.googleapis.com",
        )
    )

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="long",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{PROJECT_ID}/locations/{location}/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

También puedes crear un recurso de reconocedor si necesitas reutilizar una configuración de reconocimiento específica en muchas solicitudes de transcripción:

Python

import os

from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")


def create_recognizer(recognizer_id: str) -> cloud_speech.Recognizer:
    """Сreates a recognizer with an unique ID and default recognition configuration.
    Args:
        recognizer_id (str): The unique identifier for the recognizer to be created.
    Returns:
        cloud_speech.Recognizer: The created recognizer object with configuration.
    """
    # Instantiates a client
    client = SpeechClient()

    request = cloud_speech.CreateRecognizerRequest(
        parent=f"projects/{PROJECT_ID}/locations/global",
        recognizer_id=recognizer_id,
        recognizer=cloud_speech.Recognizer(
            default_recognition_config=cloud_speech.RecognitionConfig(
                language_codes=["en-US"], model="long"
            ),
        ),
    )
    # Sends the request to create a recognizer and waits for the operation to complete
    operation = client.create_recognizer(request=request)
    recognizer = operation.result()

    print("Created Recognizer:", recognizer.name)
    return recognizer

Hay otras diferencias en las solicitudes y respuestas de la nueva API v2. Consulta más información en la documentación de referencia.

Migrar en la interfaz de usuario

Para migrar a través de la consola de Speech, Google Cloud sigue estos pasos:

  1. Ve a la consola de Google Cloud Speech.

  2. Vaya a la página Transcripciones.

  3. Haz clic en Nueva transcripción y selecciona el audio en la pestaña Configuración de audio.

  4. En la pestaña Opciones de transcripción, selecciona V2.

Siguientes pasos