Audio aus Streamingdaten transkribieren

In diesem Abschnitt wird gezeigt, wie Sie Streamingaudio, das z. B. mit einem Mikrofon aufgenommen wurde, in Text transkribieren können.

Mit einer Streamingspracherkennung können Sie Audiodaten zu Speech-to-Text streamen. Sie erhalten dann bei der Verarbeitung dieser Audiodaten die Ergebnisse der Streamingspracherkennung in Echtzeit. Weitere Informationen zu Anfragen für die Streamingspracherkennung finden Sie unter Audiobeschränkungen. Die Streamingspracherkennung ist nur über gRPC verfügbar.

Hinweis: Wenn Sie die Streamingerkennung verwenden möchten, um das Zuhören zu beenden, nachdem der Nutzer ein einzelnes Wort gesprochen hat, z. B. im Fall von Sprachbefehlen, verwenden Sie das latest_short-Modell. Das Modell latest_short weist die Speech-to-Text API an, die Transkriptionsanfrage zu beenden, sobald es feststellt, dass nicht mehr gesprochen wird, z. B. am Ende eines einzelnen Wortes oder einer Wortgruppe.

Hinweise

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.

      Zu IAM
   2. Wählen Sie das Projekt aus.
   3. Klicken Sie auf Zugriff erlauben.

   4. Geben Sie im Feld Neue Hauptkonten Ihre Nutzer-ID ein. Dies ist in der Regel die E-Mail-Adresse eines Google-Kontos.

   5. Wählen Sie in der Liste Rolle auswählen eine Rolle aus.
   6. Wenn Sie weitere Rollen hinzufügen möchten, klicken Sie auf Weitere Rolle hinzufügen und fügen Sie weitere Rollen hinzu.
   7. Klicken Sie auf Speichern.
   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.

          Zu IAM
       2. Wählen Sie das Projekt aus.
       3. Klicken Sie auf Zugriff erlauben.

       4. Geben Sie im Feld Neue Hauptkonten Ihre Nutzer-ID ein. Dies ist in der Regel die E-Mail-Adresse eines Google-Kontos.

       5. Wählen Sie in der Liste Rolle auswählen eine Rolle aus.
       6. Wenn Sie weitere Rollen hinzufügen möchten, klicken Sie auf Weitere Rolle hinzufügen und fügen Sie weitere Rollen hinzu.
       7. Klicken Sie auf Speichern.
       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.

       Clientbibliotheken können Standardanmeldedaten für Anwendungen verwenden, um sich einfach bei Google APIs zu authentifizieren und Anfragen an diese APIs zu senden. Mit den Standardanmeldedaten für Anwendungen können Sie Ihre Anwendung lokal testen und bereitstellen, ohne den zugrunde liegenden Code zu ändern. Weitere Informationen finden Sie unter Authentifizieren Sie sich für die Verwendung von Clientbibliotheken.

       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.

       Prüfen Sie außerdem, ob Sie die Clientbibliothek installiert haben.

       Streamingspracherkennung für eine lokale Datei ausführen

       Im Folgenden finden Sie ein Beispiel für eine Streamingspracherkennung für eine lokale Audiodatei. In den Anfragen eines Streams gesendete Audiodaten sind auf 25 KB begrenzt. Dieses Limit gilt sowohl für die erste StreamingRecognize-Anfrage als auch für die Größe jeder einzelnen Nachricht im Stream. Ein Überschreiten des Limits führt zu einem Fehler.

       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
       
       

       Sie können zwar eine lokale Audiodatei an die Speech-to-Text API streamen, wir empfehlen jedoch eine synchrone Audioerkennung.

       Bereinigen

       Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden:

       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

       Achtung: Das Löschen von Projekten hat folgende Auswirkungen:

       • Alle Inhalte des Projekts werden gelöscht. Wenn Sie für die Aufgaben in diesem Dokument ein bereits bestehendes Projekt verwendet haben und dieses löschen, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
       • Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, z. B. eine appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, statt das gesamte Projekt.

       Wenn Sie mehrere Architekturen, Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, indem Sie Projekte wiederverwenden.

       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

       Achtung: Das Löschen von Projekten hat folgende Auswirkungen:

       • Alle Inhalte des Projekts werden gelöscht. Wenn Sie für die Aufgaben in diesem Dokument ein bereits bestehendes Projekt verwendet haben und dieses löschen, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
       • Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, z. B. eine appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, statt das gesamte Projekt.

       Wenn Sie mehrere Architekturen, Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, indem Sie Projekte wiederverwenden.

       Delete a Google Cloud project:

       gcloud projects delete PROJECT_ID

       Nächste Schritte

       • Informationen zur Streamingerkennung finden Sie in der Referenzdokumentation.
       • Transkribieren kurzer Audiodateien üben
       • Lange Audiodateien transkribieren
       • Audiodateien mit Chirp transkribieren
       • Best Practices-Dokumentation für maximale Leistung und Genauigkeit sowie für weitere Tipps