GSP119

Opis

Interfejs Speech-to-Text API umożliwia integrację opracowanych przez Google technologii rozpoznawania mowy z aplikacjami deweloperskimi. Pozwala na wysyłanie nagrań głosowych i otrzymywanie ich transkrypcji wygenerowanych przez usługę.

Czego się nauczysz

Z tego modułu dowiesz się, jak:

• utworzyć klucz interfejsu API,
• utworzyć żądanie do interfejsu Speech-to-Text API,
• wywołać Speech-to-Text API.

Konfiguracja i wymagania

Zanim klikniesz przycisk Rozpocznij moduł

Zapoznaj się z tymi instrukcjami. Moduły mają limit czasowy i nie można ich zatrzymać. Gdy klikniesz Rozpocznij moduł, na liczniku wyświetli się informacja o tym, na jak długo udostępniamy Ci zasoby Google Cloud.

W tym praktycznym module możesz spróbować swoich sił w wykonywaniu opisywanych działań w prawdziwym środowisku chmury, a nie w jego symulacji lub wersji demonstracyjnej. Otrzymasz nowe, tymczasowe dane logowania, dzięki którym zalogujesz się i uzyskasz dostęp do Google Cloud na czas trwania modułu.

Do ukończenia modułu potrzebne będą:

• Dostęp do standardowej przeglądarki internetowej (zalecamy korzystanie z przeglądarki Chrome).

Uwaga: uruchom ten moduł w oknie incognito (zalecane) lub przeglądania prywatnego. Dzięki temu unikniesz konfliktu między swoim kontem osobistym a kontem do nauki, co mogłoby spowodować naliczanie dodatkowych opłat na koncie osobistym.

• Odpowiednia ilość czasu na ukończenie modułu – pamiętaj, że gdy rozpoczniesz, nie możesz go wstrzymać.

Uwaga: w tym module używaj tylko konta do nauki. Jeśli użyjesz innego konta Google Cloud, mogą na nim zostać naliczone opłaty.

Rozpoczynanie modułu i logowanie się w konsoli Google Cloud

1. Kliknij przycisk Rozpocznij moduł. Jeśli moduł jest odpłatny, otworzy się okno, w którym możesz wybrać formę płatności. Po lewej stronie znajduje się panel Szczegóły modułu z następującymi elementami:

   • przyciskiem Otwórz konsolę Google Cloud;
   • czasem, który Ci pozostał;
   • tymczasowymi danymi logowania, których musisz użyć w tym module;
   • innymi informacjami potrzebnymi do ukończenia modułu.

2. Kliknij Otwórz konsolę Google Cloud (lub kliknij prawym przyciskiem myszy i wybierz Otwórz link w oknie incognito, jeśli korzystasz z przeglądarki Chrome).

   Moduł uruchomi zasoby, po czym otworzy nową kartę ze stroną logowania.

   Wskazówka: otwórz karty obok siebie w osobnych oknach.

   Uwaga: jeśli pojawi się okno Wybierz konto, kliknij Użyj innego konta.

3. W razie potrzeby skopiuj nazwę użytkownika znajdującą się poniżej i wklej ją w oknie logowania.

   {{{user_0.username | "Username"}}}

   Nazwę użytkownika znajdziesz też w panelu Szczegóły modułu.

4. Kliknij Dalej.

5. Skopiuj podane niżej hasło i wklej je w oknie powitania.

   {{{user_0.password | "Password"}}}

   Hasło znajdziesz też w panelu Szczegóły modułu.

6. Kliknij Dalej.

   Ważne: musisz użyć danych logowania podanych w module. Nie używaj danych logowania na swoje konto Google Cloud. Uwaga: korzystanie z własnego konta Google Cloud w tym module może wiązać się z dodatkowymi opłatami.

7. Na kolejnych stronach wykonaj następujące czynności:

   • Zaakceptuj Warunki korzystania z usługi.
   • Nie dodawaj opcji odzyskiwania ani uwierzytelniania dwuskładnikowego (ponieważ konto ma charakter tymczasowy).
   • Nie rejestruj się w bezpłatnych wersjach próbnych.

Poczekaj, aż na karcie otworzy się konsola Google Cloud.

Uwaga: aby uzyskać dostęp do produktów i usług Google Cloud, kliknij Menu nawigacyjne lub wpisz nazwę usługi albo produktu w polu Szukaj.

Zadanie 1. Tworzenie klucza interfejsu API

Ponieważ w celu wysłania żądania do Speech-to-Text API będziesz korzystać z biblioteki curl, musisz wygenerować klucz interfejsu API, aby przekazać URL żądania.

1. Aby utworzyć klucz interfejsu API, kliknij Menu nawigacyjne > Interfejsy API i usługi > Dane logowania.

2. Następnie kliknij Utwórz dane logowania.

3. Z menu wybierz Klucz interfejsu API.

4. Skopiuj wygenerowany klucz i kliknij Zamknij.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.

Utworzenie klucza interfejsu API

Po utworzeniu klucza interfejsu API należy zapisać go jako zmienną środowiskową, dzięki czemu unikniesz wprowadzania jego wartości przy każdym żądaniu.

Aby wykonać kolejne kroki, połącz się za pomocą SSH z udostępnioną instancją.

1. W Menu nawigacyjnym wybierz Compute Engine. Skorzystaj z instancji linux-instance podanej w oknie Instancje maszyn wirtualnych.

2. Kliknij przycisk SSH w linijce z instancją linux-instance. Czynność ta spowoduje przejście do interaktywnej powłoki.

3. W wierszu poleceń wpisz następującą wartość, zastępując <YOUR_API_KEY> (TWÓJ_KLUCZ API) skopiowanym uprzednio kluczem:

export API_KEY=<YOUR_API_KEY>

Pozostaniesz w tej sesji SSH do samego końca modułu.

Zadanie 2. Tworzenie żądania do interfejsu Speech-to-Text API

Uwaga: będziesz korzystać z gotowego nagrania dostępnego w Google Cloud Storage: gs://cloud-samples-tests/speech/brooklyn.flac. Odsłuchaj plik audio, zanim prześlesz go do Speech-to-Text API

1. Utwórz plik request.json w wierszu poleceń SSH. W celu utworzenia żądania do Speech-to-Text API użyjesz:

touch request.json

2. Otwórz request.json:

nano request.json Uwaga: możesz skorzystać z preferowanego edytora wiersza poleceń (nano, vim, emacs) lub gcloud. W tym module przedstawiamy instrukcje do nano.

3. Dodaj następujący kod do pliku request.json, używając wartości identyfikatora uri pliku dźwiękowego RAW:

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

4. Naciśnij control + x, a potem y, żeby zapisać, i naciśnij Enter, by zamknąć plik request.json.

W treści żądania znajdują się obiekty config oraz audio.

Dzięki obiektowi config informujesz Speech-to-Text API o tym, jak ma przetworzyć żądanie. W trakcie przesyłania pliku parametr encoding przekazuje interfejsowi API dane dotyczące tego, jakiego rodzaju kodowania audio używasz. FLAC to typ kodowania dla plików RAW. Więcej informacji o typach kodowania uzyskasz w przewodniku RecognitionConfig.

Istnieją też inne parametry, które można dodać do obiektu config, ale parametr encoding jest jedynym wymaganym.

W obiekcie audio interfejsowi API przekazuje się identyfikator URI pliku audio w Cloud Storage.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.

Utworzenie żądania do interfejsu Speech-to-Text API

Teraz możesz wywołać Speech-to-Text API.

Zadanie 3. Wywoływanie Speech-to-Text API

1. Do interfejsu Speech-to-Text API przekaż treść żądania wraz ze zmienną środowiskową klucza interfejsu API oraz następującym poleceniem curl (umieść wszystko w jednym wierszu poleceń):

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

Odpowiedź powinna wyglądać mniej więcej tak:

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

Wartość transcript zwróci transkrypcję Twojego pliku audio wygenerowaną przez interfejs Speech-to-Text API, natomiast wartość confidence pokazuje, w jakim stopniu ten interfejs jest pewny poprawności transkrypcji Twojego pliku.

Zapewne zauważysz, że w znajdującym się powyżej żądaniu wykorzystana została metoda syncrecognize. Interfejs Speech API obsługuje zarówno synchroniczną, jak i asynchroniczną transkrypcję związaną z zamianą mowy na tekst. W tym ćwiczeniu udało Ci się wysłać kompletny plik audio, ale możesz też użyć metody syncrecognize, aby zamienić mowę na tekst podczas strumieniowego przesyłania danych (gdy użytkownik mówi).

Udało Ci się utworzyć żądanie do interfejsu Speech-to-Text API i go wywołać.

2. Uruchom następujące polecenie, aby zapisać odpowiedź w pliku result.json:

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

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło.

Wywołanie Speech-to-Text API

Gratulacje!

Udało Ci się uzyskać transkrypcję wejściowego pliku audio przy użyciu interfejsu Speech-to-Text API.

Kolejne kroki / Więcej informacji

Ten moduł należy do serii modułów Qwik Start. Opracowaliśmy je, aby dać Ci przedsmak bogactwa funkcji dostępnych w Google Cloud. Wyszukaj „Qwik Start” w katalogu modułów i znajdź kolejny moduł, który Cię interesuje.

Szkolenia i certyfikaty Google Cloud

…pomogą Ci wykorzystać wszystkie możliwości technologii Google Cloud. Nasze zajęcia obejmują umiejętności techniczne oraz sprawdzone metody, które ułatwią Ci szybką naukę i umożliwią jej kontynuację. Oferujemy szkolenia na poziomach od podstawowego po zaawansowany prowadzone w trybach wirtualnym, na żądanie i na żywo, dzięki czemu możesz dopasować program szkoleń do swojego napiętego harmonogramu. Certyfikaty umożliwią udokumentowanie i potwierdzenie Twoich umiejętności oraz doświadczenia w zakresie technologii Google Cloud.

Ostatnia aktualizacja instrukcji: 13 lutego 2024 r.

Ostatni test modułu: 13 października 2023 r.

Copyright 2025 Google LLC. Wszelkie prawa zastrzeżone. Google i logo Google są znakami towarowymi Google LLC. Wszelkie inne nazwy firm i produktów mogą być znakami towarowymi odpowiednich podmiotów, z którymi są powiązane.