Transcribir audio desde una entrada de transmisión

Esta sección muestra cómo transcribir audio de transmisión, como la entrada de un micrófono a texto.

El reconocimiento de voz de transmisión te permite transmitir audio a Speech-to-Text y recibir resultados de reconocimiento de voz de transmisión en tiempo real a medida que se procesa el audio. También puedes consultar los límites de audio para solicitudes de reconocimiento de voz de transmisión. El reconocimiento de voz de transmisión solo está disponible a través de gRPC.

Nota: Si quieres usar el reconocimiento de transmisión para dejar de escuchar después de que el usuario pronuncia una sola palabra, como en el caso de los comandos por voz, usa el modelo latest_short. El modelo latest_short le indica a la API de Speech-to-Text que finalice la solicitud de transcripción una vez que detecte que la interlocución ha terminado, como al final de una única palabra o frase.

Antes de comenzar

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Speech-to-Text APIs.

   Enable the APIs

5. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role colunn to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      Ir a IAM
   2. Selecciona el proyecto.
   3. Haz clic en Grant access.

   4. En el campo Principales nuevas, ingresa tu identificador de usuario. Esta suele ser la dirección de correo electrónico de una Cuenta de Google.

   5. En la lista Seleccionar un rol, elige un rol.
   6. Para otorgar funciones adicionales, haz clic en Agregar otro rol y agrega cada rol adicional.
   7. Haz clic en Guardar.
   8. Install the Google Cloud CLI.

   9. To initialize the gcloud CLI, run the following command:

      gcloud init

      Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

   10. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

       Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

       Go to project selector

   11. Make sure that billing is enabled for your Google Cloud project.

   12. Enable the Speech-to-Text APIs.

       Enable the APIs

   13. Make sure that you have the following role or roles on the project: Cloud Speech Administrator

       Check for the roles

       1. In the Google Cloud console, go to the IAM page.

          Go to IAM
       2. Select the project.

       3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

       4. For all rows that specify or include you, check the Role colunn to see whether the list of roles includes the required roles.

       Grant the roles

       1. In the Google Cloud console, go to the IAM page.

          Ir a IAM
       2. Selecciona el proyecto.
       3. Haz clic en Grant access.

       4. En el campo Principales nuevas, ingresa tu identificador de usuario. Esta suele ser la dirección de correo electrónico de una Cuenta de Google.

       5. En la lista Seleccionar un rol, elige un rol.
       6. Para otorgar funciones adicionales, haz clic en Agregar otro rol y agrega cada rol adicional.
       7. Haz clic en Guardar.
       8. Install the Google Cloud CLI.

       9. To initialize the gcloud CLI, run the following command:

          gcloud init

          Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

       Las bibliotecas cliente pueden usar las credenciales predeterminadas de la aplicación para autenticarse fácilmente con las APIs de Google y enviar solicitudes a esas API. Con las credenciales predeterminadas de la aplicación, puedes probar tu aplicación de forma local y, luego, implementarla sin cambiar el código subyacente. Si deseas obtener más información, consulta Autentícate para usar las bibliotecas cliente.

       10. If you're using a local shell, then create local authentication credentials for your user account:

           gcloud auth application-default login

           You don't need to do this if you're using Cloud Shell.

       También asegúrate de haber instalado la biblioteca cliente.

       Realiza reconocimiento de voz de transmisión en un archivo local

       El siguiente es un ejemplo de cómo realizar el reconocimiento de voz de transmisión en un archivo de audio local. Existe un límite de 25 KB para el audio enviado en las solicitudes de una transmisión. Este límite se aplica a la solicitud StreamingRecognize inicial y al tamaño de cada mensaje individual en la transmisión. Si se supera este límite, se arroja un error.

       Python

       import os
       
       from google.cloud.speech_v2 import SpeechClient
       from google.cloud.speech_v2.types import cloud_speech as cloud_speech_types
       
       PROJECT_ID = os.getenv("GOOGLE_CLOUD_PROJECT")
       
       
       def transcribe_streaming_v2(
           stream_file: str,
       ) -> cloud_speech_types.StreamingRecognizeResponse:
           """Transcribes audio from an audio file stream using Google Cloud Speech-to-Text API.
           Args:
               stream_file (str): Path to the local audio file to be transcribed.
                   Example: "resources/audio.wav"
           Returns:
               list[cloud_speech_types.StreamingRecognizeResponse]: A list of objects.
                   Each response includes the transcription results for the corresponding audio segment.
           """
           # Instantiates a client
           client = SpeechClient()
       
           # Reads a file as bytes
           with open(stream_file, "rb") as f:
               audio_content = f.read()
       
           # In practice, stream should be a generator yielding chunks of audio data
           chunk_length = len(audio_content) // 5
           stream = [
               audio_content[start : start + chunk_length]
               for start in range(0, len(audio_content), chunk_length)
           ]
           audio_requests = (
               cloud_speech_types.StreamingRecognizeRequest(audio=audio) for audio in stream
           )
       
           recognition_config = cloud_speech_types.RecognitionConfig(
               auto_decoding_config=cloud_speech_types.AutoDetectDecodingConfig(),
               language_codes=["en-US"],
               model="long",
           )
           streaming_config = cloud_speech_types.StreamingRecognitionConfig(
               config=recognition_config
           )
           config_request = cloud_speech_types.StreamingRecognizeRequest(
               recognizer=f"projects/{PROJECT_ID}/locations/global/recognizers/_",
               streaming_config=streaming_config,
           )
       
           def requests(config: cloud_speech_types.RecognitionConfig, audio: list) -> list:
               yield config
               yield from audio
       
           # Transcribes the audio into text
           responses_iterator = client.streaming_recognize(
               requests=requests(config_request, audio_requests)
           )
           responses = []
           for response in responses_iterator:
               responses.append(response)
               for result in response.results:
                   print(f"Transcript: {result.alternatives[0].transcript}")
       
           return responses
       
       

       Si bien puedes transmitir un archivo de audio local a la API de Speech-to-Text, se recomienda que realices un reconocimiento de audio síncrono.

       Realiza una limpieza

       Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos que usaste en esta página.

       1. Optional: Revoke the authentication credentials that you created, and delete the local credential file.

          gcloud auth application-default revoke

       2. Optional: Revoke credentials from the gcloud CLI.

          gcloud auth revoke

       Console

       Precaución: Borrar un proyecto tiene las siguientes consecuencias:

       • Se borra todo en el proyecto. Si usaste un proyecto existente para las tareas de este documento, cuando lo borres, también se borrará cualquier otro trabajo que hayas realizado en el proyecto.
       • Se pierden los ID personalizados de proyectos. Cuando creaste este proyecto, es posible que hayas creado un ID del proyecto personalizado que desees utilizar en el futuro. Para conservar las URL que utilizan el ID del proyecto, como una URL appspot.com, borra los recursos seleccionados dentro del proyecto en lugar de borrar todo el proyecto.

       Si planeas explorar varias infraestructuras, instructivos y guías de inicio rápido la reutilización de proyectos puede ayudarte a evitar exceder los límites de las cuotas del proyecto.

       In the Google Cloud console, go to the Manage resources page.

       Go to Manage resources

       In the project list, select the project that you want to delete, and then click Delete.

       In the dialog, type the project ID, and then click Shut down to delete the project.

       gcloud

       Precaución: Borrar un proyecto tiene las siguientes consecuencias:

       • Se borra todo en el proyecto. Si usaste un proyecto existente para las tareas de este documento, cuando lo borres, también se borrará cualquier otro trabajo que hayas realizado en el proyecto.
       • Se pierden los ID personalizados de proyectos. Cuando creaste este proyecto, es posible que hayas creado un ID del proyecto personalizado que desees utilizar en el futuro. Para conservar las URL que utilizan el ID del proyecto, como una URL appspot.com, borra los recursos seleccionados dentro del proyecto en lugar de borrar todo el proyecto.

       Si planeas explorar varias infraestructuras, instructivos y guías de inicio rápido la reutilización de proyectos puede ayudarte a evitar exceder los límites de las cuotas del proyecto.

       Delete a Google Cloud project:

       gcloud projects delete PROJECT_ID

       ¿Qué sigue?

       • Consulta la documentación de referencia para el reconocimiento de transmisión.
       • Practica transcribir archivos de audio cortos.
       • Obtén información sobre cómo transcribir archivos de audio largos.
       • Transcribe archivos de audio con Chirp.
       • Para mejorar el rendimiento y la exactitud, así como ver otras sugerencias, consulta la documentación de prácticas recomendadas.