Migrazione dalla versione 1 a 2 di Speech-to-Text

L'API Speech-to-Text v2 offre il Google Cloud design dell'API più recente per consentire ai clienti di soddisfare immediatamente i requisiti normativi e di sicurezza delle aziende.

Questi requisiti vengono soddisfatti tramite quanto segue:

  • Residenza dei dati: Speech-to-Text 2 offre l'ampia gamma dei nostri modelli di trascrizione esistenti nelle Google Cloud regioni come il Belgio o Singapore. Ciò consente di chiamare i nostri modelli di trascrizione tramite un servizio completamente regionalizzato.

  • Risorse per i riconoscitori: i riconoscitori sono configurazioni di riconoscimento riutilizzabili che possono contenere una combinazione di modello, lingua e funzionalità.

  • Logging: la creazione e le trascrizioni delle risorse generano log disponibili nella console Google Cloud, consentendo una migliore telemetria e un migliore debug.

  • Crittografia: Speech-to-Text v2 supporta le chiavi di crittografia gestite dal cliente per tutte le risorse, oltre alla trascrizione batch.

  • Rilevamento automatico dell'audio: la versione 2 di Speech-to-Text può rilevare automaticamente la frequenza di campionamento, il numero di canali e il formato dei file audio, senza dover fornire queste informazioni nella configurazione della richiesta.

Migrazione da v1 a v2

La migrazione dall'API v1 all'API v2 non avviene automaticamente. Per sfruttare al meglio l'insieme di funzionalità, sono necessarie modifiche minime all'implementazione.

Migrazione nell'API

Come per Speech-to-Text versione 1, per trascrivere l'audio, devi creare un RecognitionConfig selezionando la lingua dell'audio e il modello di riconoscimento scelto:

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

Se necessario, seleziona una regione in cui vuoi utilizzare l'API Speech-to-Text e controlla la disponibilità della lingua e del modello in quella regione:

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

Se vuoi, crea una risorsa di riconoscimento se devi riutilizzare una configurazione di riconoscimento specifica in molte richieste di trascrizione:

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

Esistono altre differenze nelle richieste e nelle risposte della nuova API v2. Per ulteriori dettagli, consulta la documentazione di riferimento.

Migrazione nell'interfaccia utente

Per eseguire la migrazione tramite la console Google Cloud Speech:

  1. Vai alla console Google Cloud Speech.

  2. Vai alla pagina Trascrizioni.

  3. Fai clic su Nuova trascrizione e seleziona l'audio nella scheda Configurazione audio.

  4. Nella scheda Opzioni di trascrizione, seleziona V2.

Passaggi successivi