Transcrever áudio da entrada de streaming

Nesta seção, demonstramos como transcrever áudio de streaming, como a entrada de um microfone, para texto.

O reconhecimento de voz por streaming permite que você faça streaming de áudio para Speech-to-Text e receba uma transmissão de reconhecimento de voz em tempo real conforme o áudio é processado. Consulte também os limites de áudio para transmissão de solicitações de reconhecimento de fala em streaming. O reconhecimento de fala em streaming só está disponível por gRPC.

Observação: para usar o reconhecimento de streaming de modo que pare de ouvir depois de o usuário falar uma única palavra, por exemplo, no caso de comandos de voz, use o modelo latest_short. O modelo latest_short instrui a API Speech-to-Text a encerrar a solicitação de transcrição ao detectar que a fala terminou, por exemplo, no final de uma única palavra ou frase.

Antes de começar

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.

      Acessar o IAM
   2. Selecionar um projeto.
   3. Clique em CONCEDER ACESSO.

   4. No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.

   5. Na lista Selecionar um papel, escolha um.
   6. Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
   7. Clique em Salvar.
   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.

          Acessar o IAM
       2. Selecionar um projeto.
       3. Clique em CONCEDER ACESSO.

       4. No campo Novos principais, insira seu identificador de usuário. Normalmente, é o endereço de e-mail de uma Conta do Google.

       5. Na lista Selecionar um papel, escolha um.
       6. Para conceder outros papéis, clique em Adicionar outro papel e adicione cada papel adicional.
       7. Clique em Salvar.
       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.

       As bibliotecas de cliente podem usar o Application Default Credentials para autenticar facilmente com as APIs do Google e enviar solicitações para essas APIs. Com esse serviço, é possível testar seu aplicativo localmente e implantá-lo sem alterar o código subjacente. Par amais informações, consulte Faça a autenticação para usar as bibliotecas do 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.

       Verifique também se você instalou a biblioteca de cliente.

       Como realizar reconhecimento de fala em streaming em um arquivo local

       Veja abaixo um exemplo de reconhecimento de fala em streaming em um arquivo de áudio local. Há um limite de 25 KB de áudio enviado nas solicitações de um stream. Esse limite se aplica à solicitação StreamingRecognize inicial e ao tamanho de cada mensagem individual no stream. Exceder esse limite causará um erro.

       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
       
       

       É possível fazer streaming de um arquivo de áudio local para a API Speech-to-Text, mas é recomendável que você execute o reconhecimento de áudio síncrono.

       Limpar

       Para evitar cobranças na conta do Google Cloud pelos recursos usados nesta página, siga estas etapas.

       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

       Cuidado: excluir um projeto tem os seguintes efeitos:

       • Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
       • Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

       Se você planeja passar por várias arquiteturas, tutoriais ou guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

       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

       Cuidado: excluir um projeto tem os seguintes efeitos:

       • Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
       • Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

       Se você planeja passar por várias arquiteturas, tutoriais ou guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

       Delete a Google Cloud project:

       gcloud projects delete PROJECT_ID

       A seguir

       • Consulte a documentação de referência para reconhecimento de streaming.
       • Pratique a transcrição de arquivos de áudio curtos.
       • Saiba como transcrever arquivos de áudio longos.
       • Transcreva arquivos de áudio usando o Chirp.
       • Para dicas sobre como conseguir o melhor desempenho e precisão, entre outras, consulte a documentação sobre práticas recomendadas.