Транскрибирование аудио с помощью Speech-to-Text API

О чём урок

Speech-to-Text API позволяет легко встраивать технологии распознавания речи Google в приложения разработчиков. С помощью Speech-to-Text API вы можете отправлять аудио в сервис и получать текстовую расшифровку.

В этой лабораторной работе вы научитесь:

• создавать ключ API;
• создавать запрос к Speech-to-Text API;
• вызывать Speech-to-Text API.

В оригинале Google выдаёт для лабораторной временный учебный проект и аккаунт. Здесь вы выполняете те же шаги в своём проекте Google Cloud: войдите в консоль console.cloud.google.com, создайте или выберите проект с включённой оплатой (подойдёт пробный период с бесплатными кредитами) и откройте Cloud Shell. После работы удалите созданные ресурсы, чтобы за них не списывались деньги.

Поскольку для отправки запроса к Speech-to-Text API вы будете использовать curl, вам нужно создать API-ключ и передать его в URL запроса.

1. Чтобы создать API-ключ, нажмите Navigation menu > APIs & services > Credentials.
2. Нажмите + Create credentials.
3. В раскрывающемся меню выберите API key.
4. На боковой панели Create API key в разделе APIs that can be accessed using this key откройте раскрывающийся список (Select API restrictions).
5. Установите флажок рядом с Cloud Speech-to-Text API и нажмите OK.
6. Нажмите Create.
7. Скопируйте созданный ключ и нажмите Close.
8. В Cloud Shell сохраните API-ключ в переменной окружения. Для этого введите следующую команду, заменив <YOUR_API_KEY> на только что скопированный ключ:

1. Создайте в Cloud Shell файл request.json. С его помощью вы сформируете запрос к Speech-to-Text API:

1. Откройте файл request.json:

1. Добавьте в файл request.json следующее содержимое, указав в поле uri адрес примера необработанного аудиофайла:

1. Нажмите CTRL+X, Y, ENTER, чтобы закрыть файл request.json.

Тело запроса содержит объекты config и audio.

В объекте config вы сообщаете Speech-to-Text API, как обрабатывать запрос. Параметр encoding указывает API, какой тип кодирования аудио используется при отправке файла. FLAC представляет собой тип кодирования для файлов .raw. Подробнее о типах кодирования читайте в руководстве по RecognitionConfig.

В объект config можно добавить и другие параметры…

План урока

1. Обзор
2. Чему вы научитесь
3. Подготовка и требования
4. Задача 1. Создайте API-ключ
5. Задача 2. Создайте запрос к Speech-to-Text API
6. Задача 3. Вызов Speech-to-Text API
7. Поздравляем!
8. Следующие шаги и дополнительная информация