Traduzione di testo da una foto

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.
Questa pagina mostra come rilevare il testo in un'immagine, come personalizzare le traduzioni e come generare un discorso sintetico dal testo. Questo tutorial utilizza Cloud Vision per rilevare il testo in un file immagine. Questo tutorial mostra come utilizzare Cloud Translation per fornire una traduzione personalizzata del testo rilevato. Infine, questo tutorial utilizza Text-to-Speech per fornire la dettatura automatica del testo tradotto.

Obiettivi

  1. Passa il testo riconosciuto dall'API Cloud Vision all'API Cloud Translation.

  2. Creare e utilizzare i glossari di Cloud Translation per personalizzare le traduzioni dell'API Cloud Translation.

  3. Crea una rappresentazione audio del testo tradotto utilizzando l'API Text-to-Speech.

Costi

Ogni API Google Cloud utilizza una struttura di prezzi separata.

Per i dettagli sui prezzi, consulta la guida ai prezzi di Cloud Vision, la guida ai prezzi di Cloud Translation e la guida ai prezzi di Text-to-Speech.

Prima di iniziare

Verifica di avere:

Configurazione delle librerie client

Questo tutorial utilizza le librerie client Vision, Translation e Text-to-Speech.

Per installare le librerie client pertinenti, esegui i comandi seguenti dal terminale.

Python

  pip install --upgrade google-cloud-vision
  pip install --upgrade google-cloud-translate
  pip install --upgrade google-cloud-texttospeech
  

Node.js

  npm install --save @google-cloud/vision
  npm install --save @google-cloud/translate
  npm install --save @google-cloud/text-to-speech
  

Configurazione delle autorizzazioni per la creazione di glossari

Per creare glossari di traduzione, è necessario utilizzare una chiave dell'account di servizio con le autorizzazioni "Editor API Cloud Translation".

Per configurare una chiave dell'account di servizio con le autorizzazioni dell'editor di Cloud Translation API:

  1. Crea un account di servizio:

    1. In Google Cloud Console, vai alla pagina Account di servizio.

      Vai a Account di servizio

    2. Seleziona il progetto.

    3. Fai clic su Crea account di servizio.

    4. Nel campo Nome account di servizio, inserisci un nome. Google Cloud Console compila il campo ID account di servizio in base a questo nome.

    5. (Facoltativo) Nel campo Descrizione account di servizio, inserisci una descrizione per l'account di servizio.

    6. Fai clic su Crea e continua.

    7. Fai clic sul campo Seleziona un ruolo e seleziona Cloud Translation > Editor API Cloud Translation

    8. Fai clic su Fine per completare la creazione dell'account di servizio.

      Non chiudere la finestra del browser. Lo utilizzerai nel passaggio successivo.

  2. Scarica una chiave JSON per l'account di servizio appena creato:

    1. In Google Cloud Console, fai clic sull'indirizzo email dell'account di servizio che hai creato.
    2. Fai clic su Chiavi.
    3. Fai clic su Aggiungi chiave, quindi su Crea nuova chiave.
    4. Fai clic su Crea. Il file di una chiave JSON viene scaricato sul computer.

      Assicurati di archiviare il file della chiave in modo sicuro, perché può essere utilizzato per l'autenticazione come account di servizio. Puoi spostare e rinominare il file come preferisci.

    5. Fai clic su Chiudi.

  3. Nel terminale, imposta la variabile GOOGLE_APPLICATION_CREDENTIALS utilizzando il seguente comando. Sostituisci path_to_key con il percorso del file JSON scaricato contenente la nuova chiave dell'account di servizio.

    Linux o macOS

    export GOOGLE_APPLICATION_CREDENTIALS=path_to_key

    Windows

    set GOOGLE_APPLICATION_CREDENTIALS=path_to_key

Importazione di librerie

Questo tutorial utilizza le seguenti importazioni di sistema e le importazioni della libreria client.

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

import html
import io
import os

# Imports the Google Cloud client libraries
from google.api_core.exceptions import AlreadyExists
from google.cloud import texttospeech
from google.cloud import translate_v3beta1 as translate
from google.cloud import vision

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

// Imports the Google Cloud client library
const textToSpeech = require('@google-cloud/text-to-speech');
const translate = require('@google-cloud/translate').v3beta1;
const vision = require('@google-cloud/vision');

// Import other required libraries
const fs = require('fs');
//const escape = require('escape-html');
const util = require('util');

Impostazione dell'ID progetto

Devi associare un progetto Google Cloud a ogni richiesta a un'API Google Cloud. Definisci il tuo progetto Google Cloud impostando la variabile di ambiente GCLOUD_PROJECT dal terminale.

Nel comando seguente, sostituisci project-id con il tuo ID progetto Google Cloud. Esegui questo comando dal terminale.

Linux o macOS

export GCLOUD_PROJECT=project-id

Windows

set GCLOUD_PROJECT=project-id

Utilizzare Vision per rilevare il testo da un'immagine

Utilizza l'API Vision per rilevare ed estrarre testo da un'immagine. L'API Vision utilizza il Riconoscimento ottico dei caratteri (OCR) per supportare due funzionalità di rilevamento del testo: rilevamento di testo denso o DOCUMENT_TEXT_DETECTION e rilevamento del testo sparso oppure TEXT_DETECTION.

Il seguente codice mostra come utilizzare l'API Vision DOCUMENT_TEXT_DETECTION per rilevare il testo in una foto con testo denso.

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

def pic_to_text(infile):
    """Detects text in an image file

    ARGS
    infile: path to image file

    RETURNS
    String of text detected in image
    """

    # Instantiates a client
    client = vision.ImageAnnotatorClient()

    # Opens the input image file
    with io.open(infile, "rb") as image_file:
        content = image_file.read()

    image = vision.Image(content=content)

    # For dense text, use document_text_detection
    # For less dense text, use text_detection
    response = client.document_text_detection(image=image)
    text = response.full_text_annotation.text
    print("Detected text: {}".format(text))

    return text

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

/**
 * Detects text in an image file
 *
 * ARGS
 * inputFile: path to image file
 * RETURNS
 * string of text detected in the input image
 **/
async function picToText(inputFile) {
  // Creates a client
  const client = new vision.ImageAnnotatorClient();

  // Performs text detection on the local file
  const [result] = await client.textDetection(inputFile);
  return result.fullTextAnnotation.text;
}

Utilizzare la traduzione con i glossari

Dopo aver estratto il testo da un'immagine, usa i glossari di traduzione per personalizzare la traduzione del testo estratto. I glossari forniscono traduzioni predefinite che sostituiscono le traduzioni dell'API Cloud Translation dei termini designati.

I casi d'uso del glossario includono:

  • Nomi dei prodotti: ad esempio, "Google Home" deve tradurre in "Google Home".

  • Parole ambigue: ad esempio, il termine "pipistrello" può essere utilizzato per indicare attrezzature sportive o un animale. Se sai che stai tradurre parole sul mondo dello sport, potresti usare un glossario per dare all'API Cloud Translation la traduzione sportiva di "bat", non la traduzione con animali.

  • Parole prese in prestito: ad esempio, "bouillabaisse" in francese si traduce in "bouillabaisse" in inglese; la lingua inglese prendeva in prestito la parola "bouillabaisse" dalla lingua francese. Chi parla inglese e non conosce il contesto culturale francese potrebbe non sapere che il bouillabaisse è un piatto francese specializzato in stufato di pesce. I glossari possono sostituire una traduzione in modo che "bouillabaisse" in francese si traduca in "spezzatino di pesce" in inglese.

Creare un file di glossario

L'API Cloud Translation accetta file di glossario TSV, CSV o TMX. Questo tutorial utilizza un file CSV caricato in Cloud Storage per definire insiemi di termini equivalenti.

Per creare un file CSV con glossario:

  1. Specifica la lingua di una colonna utilizzando i codici lingua ISO-639-1 o BCP-47 nella prima riga del file CSV.

    fr,en,

  2. Elenca le coppie di termini equivalenti in ogni riga del file CSV. Separa i termini con virgole. L'esempio seguente definisce la traduzione in inglese di diverse parole culinarie francesi.

    fr,en,
    chèvre,goat cheese,
    crème brulée,crème brulée,
    bouillabaisse,fish stew,
    steak frites,steak with french fries,
    

  3. Definisci le varianti di una parola. L'API Cloud Translation è sensibile alle maiuscole e a caratteri speciali come le parole accentate. Per assicurarti che il glossario gestisca le varianti di una parola, definisci in modo esplicito le diverse ortografie della parola.

    fr,en,
    chevre,goat cheese,
    Chevre,Goat cheese,
    chèvre,goat cheese,
    Chèvre,Goat cheese,
    crème brulée,crème brulée,
    Crème brulée,Crème brulée,
    Crème Brulée,Crème Brulée,
    bouillabaisse,fish stew,
    Bouillabaisse,Fish stew,
    steak frites,steak with french fries,
    Steak frites,Steak with french fries,
    Steak Frites,Steak with French Fries,
    

  4. Carica il glossario in un bucket Cloud Storage. Ai fini di questo tutorial, non devi caricare un file di glossario in un bucket Cloud Storage né creare un bucket Cloud Storage. Utilizza invece il file di glossario disponibile pubblicamente per questo tutorial per evitare che ti vengano addebitati costi di Cloud Storage. Invia l'URI di un file di glossario in Cloud Storage all'API Cloud Translation per creare una risorsa del glossario. L'URI del file del glossario disponibile pubblicamente per questo tutorial è gs://cloud-samples-data/translation/bistro_glossary.csv. Per scaricare il glossario, fai clic sul link URI riportato sopra, ma non aprirlo in una nuova scheda.

Creazione di una risorsa del glossario

Per utilizzare un glossario, devi creare una risorsa di glossario con l'API Cloud Translation. Per creare una risorsa del glossario, invia l'URI di un file del glossario in Cloud Storage all'API Cloud Translation.

Assicurati di utilizzare una chiave dell'account di servizio con le autorizzazioni "Editor API Cloud Translation" e di aver impostato l'ID progetto dal terminale.

La funzione seguente crea una risorsa di glossario. Con questa risorsa del glossario, puoi personalizzare la richiesta di traduzione nel passaggio successivo di questo tutorial.

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

def create_glossary(languages, project_id, glossary_name, glossary_uri):
    """Creates a GCP glossary resource
    Assumes you've already manually uploaded a glossary to Cloud Storage

    ARGS
    languages: list of languages in the glossary
    project_id: GCP project id
    glossary_name: name you want to give this glossary resource
    glossary_uri: the uri of the glossary you uploaded to Cloud Storage

    RETURNS
    nothing
    """

    # Instantiates a client
    client = translate.TranslationServiceClient()

    # Designates the data center location that you want to use
    location = "us-central1"

    # Set glossary resource name
    name = client.glossary_path(project_id, location, glossary_name)

    # Set language codes
    language_codes_set = translate.Glossary.LanguageCodesSet(
        language_codes=languages
    )

    gcs_source = translate.GcsSource(input_uri=glossary_uri)

    input_config = translate.GlossaryInputConfig(gcs_source=gcs_source)

    # Set glossary resource information
    glossary = translate.Glossary(
        name=name, language_codes_set=language_codes_set, input_config=input_config
    )

    parent = f"projects/{project_id}/locations/{location}"

    # Create glossary resource
    # Handle exception for case in which a glossary
    #  with glossary_name already exists
    try:
        operation = client.create_glossary(parent=parent, glossary=glossary)
        operation.result(timeout=90)
        print("Created glossary " + glossary_name + ".")
    except AlreadyExists:
        print(
            "The glossary "
            + glossary_name
            + " already exists. No new glossary was created."
        )

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

/** Creates a GCP glossary resource
 * Assumes you've already manually uploaded a glossary to Cloud Storage
 *
 * ARGS
 * languages: list of languages in the glossary
 * projectId: GCP project id
 * glossaryName: name you want to give this glossary resource
 * glossaryUri: the uri of the glossary you uploaded to Cloud Storage
 * RETURNS
 * nothing
 **/
async function createGlossary(
  languages,
  projectId,
  glossaryName,
  glossaryUri
) {
  // Instantiates a client
  const translationClient = await new translate.TranslationServiceClient();

  // Construct glossary
  const glossary = {
    languageCodesSet: {
      languageCodes: languages,
    },
    inputConfig: {
      gcsSource: {
        inputUri: glossaryUri,
      },
    },
    name: translationClient.glossaryPath(
      projectId,
      'us-central1',
      glossaryName
    ),
  };

  // Construct request
  const request = {
    parent: translationClient.locationPath(projectId, 'us-central1'),
    glossary: glossary,
  };

  // Create glossary using a long-running operation.
  try {
    const [operation] = await translationClient.createGlossary(request);
    // Wait for operation to complete.
    await operation.promise();
    console.log('Created glossary ' + glossaryName + '.');
  } catch (AlreadyExists) {
    console.log(
      'The glossary ' +
        glossaryName +
        ' already exists. No new glossary was created.'
    );
  }
}

Traduzione con glossari

Dopo aver creato una risorsa del glossario, puoi utilizzarla per personalizzare le traduzioni del testo che invii all'API Cloud Translation.

La seguente funzione utilizza la risorsa di glossario creata in precedenza per personalizzare la traduzione del testo.

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

def translate_text(
    text, source_language_code, target_language_code, project_id, glossary_name
):
    """Translates text to a given language using a glossary

    ARGS
    text: String of text to translate
    source_language_code: language of input text
    target_language_code: language of output text
    project_id: GCP project id
    glossary_name: name you gave your project's glossary
        resource when you created it

    RETURNS
    String of translated text
    """

    # Instantiates a client
    client = translate.TranslationServiceClient()

    # Designates the data center location that you want to use
    location = "us-central1"

    glossary = client.glossary_path(project_id, location, glossary_name)

    glossary_config = translate.TranslateTextGlossaryConfig(glossary=glossary)

    parent = f"projects/{project_id}/locations/{location}"

    result = client.translate_text(
        request={
            "parent": parent,
            "contents": [text],
            "mime_type": "text/plain",  # mime types: text/plain, text/html
            "source_language_code": source_language_code,
            "target_language_code": target_language_code,
            "glossary_config": glossary_config,
        }
    )

    # Extract translated text from API response
    return result.glossary_translations[0].translated_text

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

/**
 * Translates text to a given language using a glossary
 *
 * ARGS
 * text: String of text to translate
 * sourceLanguageCode: language of input text
 * targetLanguageCode: language of output text
 * projectId: GCP project id
 * glossaryName: name you gave your project's glossary
 *     resource when you created it
 * RETURNS
 * String of translated text
 **/
async function translateText(
  text,
  sourceLanguageCode,
  targetLanguageCode,
  projectId,
  glossaryName
) {
  // Instantiates a client
  const translationClient = new translate.TranslationServiceClient();
  const glossary = translationClient.glossaryPath(
    projectId,
    'us-central1',
    glossaryName
  );
  const glossaryConfig = {
    glossary: glossary,
  };
  // Construct request
  const request = {
    parent: translationClient.locationPath(projectId, 'us-central1'),
    contents: [text],
    mimeType: 'text/plain', // mime types: text/plain, text/html
    sourceLanguageCode: sourceLanguageCode,
    targetLanguageCode: targetLanguageCode,
    glossaryConfig: glossaryConfig,
  };

  // Run request
  const [response] = await translationClient.translateText(request);
  // Extract the string of translated text
  return response.glossaryTranslations[0].translatedText;
}

Utilizzare Text-to-Speech con il linguaggio di markup per la sintesi vocale

Ora che hai personalizzato una traduzione del testo rilevato in immagine, puoi utilizzare l'API Text-to-Speech. L'API Text-to-Speech può creare audio sintetico del testo tradotto.

L'API Text-to-Speech genera audio sintetico a partire da una stringa di testo normale o da una stringa di testo con markup tramite Speech Synthesis Markup Language (SSML). SSML è un linguaggio di markup che supporta l'annotazione di testo con i tag SSML. Puoi utilizzare i tag SSML per influire sulla modalità di creazione dei formati di sintesi vocale dell'API Text-to-Speech.

La funzione seguente converte una stringa di SSML in un file MP3 di sintesi vocale.

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

def text_to_speech(text, outfile):
    """Converts plaintext to SSML and
    generates synthetic audio from SSML

    ARGS
    text: text to synthesize
    outfile: filename to use to store synthetic audio

    RETURNS
    nothing
    """

    # Replace special characters with HTML Ampersand Character Codes
    # These Codes prevent the API from confusing text with
    # SSML commands
    # For example, '<' --> '&lt;' and '&' --> '&amp;'
    escaped_lines = html.escape(text)

    # Convert plaintext to SSML in order to wait two seconds
    #   between each line in synthetic speech
    ssml = "<speak>{}</speak>".format(
        escaped_lines.replace("\n", '\n<break time="2s"/>')
    )

    # Instantiates a client
    client = texttospeech.TextToSpeechClient()

    # Sets the text input to be synthesized
    synthesis_input = texttospeech.SynthesisInput(ssml=ssml)

    # Builds the voice request, selects the language code ("en-US") and
    # the SSML voice gender ("MALE")
    voice = texttospeech.VoiceSelectionParams(
        language_code="en-US", ssml_gender=texttospeech.SsmlVoiceGender.MALE
    )

    # Selects the type of audio file to return
    audio_config = texttospeech.AudioConfig(
        audio_encoding=texttospeech.AudioEncoding.MP3
    )

    # Performs the text-to-speech request on the text input with the selected
    # voice parameters and audio file type

    request = texttospeech.SynthesizeSpeechRequest(
        input=synthesis_input, voice=voice, audio_config=audio_config
    )

    response = client.synthesize_speech(request=request)

    # Writes the synthetic audio to the output file.
    with open(outfile, "wb") as out:
        out.write(response.audio_content)
        print("Audio content written to file " + outfile)

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

/**
 * Generates synthetic audio from plaintext tagged with SSML.
 *
 * Given the name of a text file and an output file name, this function
 * tags the text in the text file with SSML. This function then
 * calls the Text-to-Speech API. The API returns a synthetic audio
 * version of the text, formatted according to the SSML commands. This
 * function saves the synthetic audio to the designated output file.
 *
 * ARGS
 * text: String of plaintext
 * outFile: String name of file under which to save audio output
 * RETURNS
 * nothing
 *
 */
async function syntheticAudio(text, outFile) {
  // Replace special characters with HTML Ampersand Character Codes
  // These codes prevent the API from confusing text with SSML tags
  // For example, '<' --> '&lt;' and '&' --> '&amp;'
  let escapedLines = text.replace(/&/g, '&amp;');
  escapedLines = escapedLines.replace(/"/g, '&quot;');
  escapedLines = escapedLines.replace(/</g, '&lt;');
  escapedLines = escapedLines.replace(/>/g, '&gt;');

  // Convert plaintext to SSML
  // Tag SSML so that there is a 2 second pause between each address
  const expandedNewline = escapedLines.replace(/\n/g, '\n<break time="2s"/>');
  const ssmlText = '<speak>' + expandedNewline + '</speak>';

  // Creates a client
  const client = new textToSpeech.TextToSpeechClient();

  // Constructs the request
  const request = {
    // Select the text to synthesize
    input: {ssml: ssmlText},
    // Select the language and SSML Voice Gender (optional)
    voice: {languageCode: 'en-US', ssmlGender: 'MALE'},
    // Select the type of audio encoding
    audioConfig: {audioEncoding: 'MP3'},
  };

  // Performs the Text-to-Speech request
  const [response] = await client.synthesizeSpeech(request);
  // Write the binary audio content to a local file
  const writeFile = util.promisify(fs.writeFile);
  await writeFile(outFile, response.audioContent, 'binary');
  console.log('Audio content written to file ' + outFile);
}

Riepilogo

Nei passaggi precedenti hai definito le funzioni in hybrid_glossaries.py che utilizzano Visione, traduzione e Text-to-Speech. Ora puoi utilizzare queste funzioni per generare un discorso sintetico del testo tradotto dalla foto seguente.

Le seguenti funzioni di chiamata di codice definite in hybrid_glossaries.py consentono di:

  • crea una risorsa del glossario dell'API Cloud Translation

  • usa l'API Vision per rilevare il testo nell'immagine sopra

  • esegue una traduzione del glossario dell'API Cloud Translation del testo rilevato

  • genera la sintesi Text-to-Speech del testo tradotto

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Python.

def main():

    # Photo from which to extract text
    infile = "resources/example.png"
    # Name of file that will hold synthetic speech
    outfile = "resources/example.mp3"

    # Defines the languages in the glossary
    # This list must match the languages in the glossary
    #   Here, the glossary includes French and English
    glossary_langs = ["fr", "en"]
    # Name that will be assigned to your project's glossary resource
    glossary_name = "bistro-glossary"
    # uri of .csv file uploaded to Cloud Storage
    glossary_uri = "gs://cloud-samples-data/translation/bistro_glossary.csv"

    create_glossary(glossary_langs, PROJECT_ID, glossary_name, glossary_uri)

    # photo -> detected text
    text_to_translate = pic_to_text(infile)
    # detected text -> translated text
    text_to_speak = translate_text(
        text_to_translate, "fr", "en", PROJECT_ID, glossary_name
    )
    # translated text -> synthetic audio
    text_to_speech(text_to_speak, outfile)

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella Guida rapida alla traduzione tramite librerie client. Per saperne di più, consulta la documentazione di riferimento per l'API Translation Node.js.

await createGlossary(glossaryLangs, projectId, glossaryName, glossaryUri);
const text = await picToText(inFile);
const translatedText = await translateText(
  text,
  'fr',
  'en',
  projectId,
  glossaryName
);
syntheticAudio(translatedText, outFile);

Eseguire il codice

Per eseguire il codice, inserisci il seguente comando nel terminale nella directory in cui si trova il codice:

Python

python hybrid_tutorial.py
  

Node.js

  node hybridGlossaries.js
  

Viene visualizzato il seguente output:

Created glossary bistro-glossary.
Audio content written to file resources/example.mp3

Dopo aver eseguito il codice, accedi alla directory resources dalla directory hybrid_glossaries. Controlla se nella directory delle risorse è presente un file example.mp3.

Ascolta il clip audio che segue per verificare che il tuo file example.mp3 abbia lo stesso suono.


Risoluzione dei messaggi di errore

Eseguire la pulizia

Usa la Google Cloud Console per eliminare il progetto se non ne hai bisogno. L'eliminazione del tuo progetto impedisce che al tuo account di fatturazione Cloud vengano addebitati costi aggiuntivi per le risorse utilizzate in questo tutorial.

Eliminazione del progetto in corso...

  1. In Google Cloud Console, vai alla pagina Progetti.
  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare e fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Passaggi successivi

Complimenti! Hai appena utilizzato Vision OCR per rilevare il testo in un'immagine. Poi hai creato un glossario e hai eseguito una traduzione con quel glossario. Successivamente, hai utilizzato Text-to-Speech per generare un audio sintetico per il testo tradotto.

Per sviluppare le tue conoscenze di visione, traduzione e Text-to-Speech: