使用 Cloud Speech-to-Text API 进行语音转文字转录

借助 Cloud Speech API，您可以从 80 多种语言的音频文件中进行语音转文字转录。

在本实验中，我们将录制一个音频文件并将其发送到 Cloud Speech API 进行转录。

学习内容

  • 创建 Speech API 请求并使用 curl 调用 API
  • 使用不同语言的音频文件调用 Speech API

您需要满足的条件

  • 一个 Google Cloud Platform 项目
  • 一个浏览器，例如 Chrome 或 Firefox

您将如何使用本教程？

仅阅读教程内容 阅读并完成练习

您如何评价自己在使用 Google Cloud Platform 方面的经验水平？

新手 中级 熟练

自定进度的环境设置

如果您还没有 Google 帐号（Gmail 或 Google Apps），则必须创建一个。登录 Google Cloud Platform Console (console.cloud.google.com) 并创建一个新项目：

2016-02-10 12:45:26 的屏幕截图.png

请记住项目 ID，它在所有 Google Cloud 项目中都是唯一名称（很抱歉，上述名称已被占用，您无法使用！）。它稍后将在此 Codelab 中被称为 PROJECT_ID。

接下来，您需要在 Cloud Console 中启用结算功能，才能使用 Google Cloud 资源。

在此 Codelab 中运行仅花费几美元，但是如果您决定使用更多资源或继续让它们运行，费用可能更高（请参阅本文档末尾的“清理”部分）。

Google Cloud Platform 的新用户有资格获享 $300 免费试用。

点击屏幕左上角的菜单图标。

从下拉菜单中选择 API 和服务信息中心。

点击启用 API 和服务。

然后，在搜索框中搜索“语音”。点击 Google Cloud Speech API：

点击启用以启用 Cloud Speech API：

请稍等片刻，以将其启用。启用之后，您将看到以下内容：

Google Cloud Shell 是在云端运行的命令行环境。这是一款基于 Debian 的虚拟机，其中预装了您需要的所有开发工具（gcloud、bq、git 等），并提供 5GB 的永久性主目录。我们将使用 Cloud Shell 创建对 Speech API 的请求。

如需开始使用 Cloud Shell，请点击标题栏右上角的“激活 Google Cloud Shell”图标 2015 年 6 月 8 日下午 5.30.32 的屏幕截图

一个 Cloud Shell 会话随即会在控制台底部的新框内打开，并显示命令行提示符。等待 user@project:~$ 提示出现

由于我们将使用 curl 向 Speech API 发送请求，因此需要生成一个 API 密钥来传入请求网址。如需创建 API 密钥，请转到项目信息中心的 API 和服务 > 凭据部分：

然后点击创建凭据：

在下拉菜单中选择 API 密钥：

接下来，复制您刚刚生成的密钥，然后选择关闭（不限制密钥）。

现在您已经有了 API 密钥，请将其保存到环境变量，这样就不必在每个请求中插入 API 密钥的值了。您可以在 Cloud Shell 中执行此操作。请务必将 <your_api_key> 替换为您刚刚复制的密钥。

export API_KEY=<YOUR_API_KEY>

您可以在 request.json 文件中向 Speech API 构建请求。如需创建和修改此文件，您可以使用任一首选命令行编辑器（nano、vim、emacs），也可以使用 Cloud Shell 中的内置网页编辑器：

在您的主目录中创建该文件，以便轻松引用该文件并将其添加到 request.json 文件：

request.json

{
  "config": {
      "encoding":"FLAC",
      "languageCode": "en-US"
  },
  "audio": {
      "uri":"gs://cloud-samples-tests/speech/brooklyn.flac"
  }
}

请求正文包含 config 和 audio 对象。在 config 中，我们会告知 Speech API 如何处理请求。encoding 参数用于告知 API 您要向 API 发送哪种类型的音频编码。FLAC 是 .raw 文件的编码类型（如需了解详情，请参阅关于编码类型的文档）。您还可以向 config 对象添加其他参数，但 encoding 是唯一的参数。如果请求中未提供，languageCode 将默认为英语。

在 audio 对象中，您可以向 Cloud Storage 中的音频文件的 URI 传递字符串形式的 base64 编码音频。以下是使用 Cloud Storage 网址的情况。下一步是调用 Speech API！

您现在可以通过以下 curl 命令（通过一个命令行），将请求正文和您之前保存的 API 密钥环境变量一起传递给 Speech API：

curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json "https://speech.googleapis.com/v1/speech:recognize?key=${API_KEY}"

此 curl 命令返回的响应应如下所示：

{
  "results": [
    {
      "alternatives": [
        {
          "transcript": "how old is the Brooklyn Bridge",
          "confidence": 0.98267895
        }
      ]
    }
  ]
}

transcript 值将返回 Speech API 对您的音频文件的文本转录，confidence 值表示 API 确认其准确转录您的音频的程度。

您会发现，我们在上面的请求中调用了 recognize 方法。Speech API 同时支持同步和异步语音转文字转录。在本例中，我们发送了一个完整的音频文件，但您也可以使用 longrunningrecognize 方法，在用户仍在讲话的同时执行流式语音转文字转录。

您是否通晓多种语言？Speech API 支持 100 多种语言的语音转文字转录！您可以在 request.json 中更改 languageCode 参数。您可以在此处找到支持的语言列表。

我们来试一个法语音频文件（如果您想试听，请点击此处收听）。将 request.json 更改为以下内容：

request.json

 {
  "config": {
      "encoding":"FLAC",
      "languageCode": "fr"
  },
  "audio": {
      "uri":"gs://speech-language-samples/fr-sample.flac"
  }
}

您应该会看到以下响应：

{
  "results": [
    {
      "alternatives": [
        {
          "transcript": "maître corbeau sur un arbre perché tenait en son bec un fromage",
          "confidence": 0.9710122
        }
      ]
    }
  ]
}

这个句子取自一个热门的法国儿童故事。如果您有其他语言的音频文件，可以尝试将其添加到 Cloud Storage 中，然后更改请求中的 languageCode 参数。

您已了解如何使用 Speech API 执行语音转文字转录。在此示例中，您将音频文件的 Google Cloud Storage URI 传递给了 API。或者，您也可以传递音频内容的 base64 编码字符串。

所学内容

  • 向 Speech API 传递音频文件的 Google Cloud Storage URI
  • 创建 Speech API 请求并使用 curl 调用 API
  • 使用不同语言的音频文件调用 Speech API

后续步骤