1. Descripción general
La API de Google Cloud Speech-to-Text permite que los desarrolladores conviertan audio en texto en 120 idiomas y variantes, aplicando potentes modelos de redes neuronales en una API fácil de usar.
En este codelab, te enfocarás en usar la API de Speech-to-Text con C#. Aprenderás a enviar un archivo de audio en inglés y otros idiomas a la API de Cloud Speech-to-Text para su transcripción.
Qué aprenderás
- Cómo usar Cloud Shell
- Cómo habilitar la API de Speech-to-Text
- Cómo autenticar solicitudes a la API
- Cómo instalar la biblioteca cliente de Google Cloud para C#
- Cómo transcribir archivos de audio en inglés
- Cómo transcribir archivos de audio con marcas de tiempo de palabras
- Cómo transcribir archivos de audio en diferentes idiomas
Requisitos
Encuesta
¿Cómo usarás este instructivo?
¿Cómo calificarías tu experiencia con C#?
¿Cómo calificarías tu experiencia con el uso de los servicios de Google Cloud Platform?
2. Configuración y requisitos
Configuración del entorno de autoaprendizaje
- Accede a Google Cloud Console y crea un proyecto nuevo o reutiliza uno existente. Si aún no tienes una cuenta de Gmail o de Google Workspace, debes crear una.
- El Nombre del proyecto es el nombre visible de los participantes de este proyecto. Es una cadena de caracteres que no se utiliza en las APIs de Google. Puedes actualizarla cuando quieras.
- El ID del proyecto es único en todos los proyectos de Google Cloud y es inmutable (no se puede cambiar después de configurarlo). La consola de Cloud genera automáticamente una cadena única. Por lo general, no importa cuál sea. En la mayoría de los codelabs, deberás hacer referencia al ID de tu proyecto (suele identificarse como
PROJECT_ID). Si no te gusta el ID que se generó, podrías generar otro aleatorio. También puedes probar uno propio y ver si está disponible. No se puede cambiar después de este paso y se usa el mismo durante todo el proyecto. - Recuerda que hay un tercer valor, un número de proyecto, que usan algunas APIs. Obtén más información sobre estos tres valores en la documentación.
- A continuación, deberás habilitar la facturación en la consola de Cloud para usar las APIs o los recursos de Cloud. Ejecutar este codelab no costará mucho, tal vez nada. Para cerrar recursos y evitar que se generen cobros más allá de este instructivo, puedes borrar los recursos que creaste o borrar el proyecto. Los usuarios nuevos de Google Cloud son aptos para participar en el programa Prueba gratuita de $300.
Inicia Cloud Shell
Si bien Google Cloud y Spanner se pueden operar de manera remota desde tu laptop, en este codelab usarás Google Cloud Shell, un entorno de línea de comandos que se ejecuta en la nube.
Activar Cloud Shell
- En la consola de Cloud, haz clic en Activar Cloud Shell
.
Si es la primera vez que inicias Cloud Shell, aparecerá una pantalla intermedia en la que se describirá qué es. Si apareció una pantalla intermedia, haz clic en Continuar.
El aprovisionamiento y la conexión a Cloud Shell solo tomará unos minutos.
Esta máquina virtual está cargada con todas las herramientas de desarrollo necesarias. Ofrece un directorio principal persistente de 5 GB y se ejecuta en Google Cloud, lo que permite mejorar considerablemente el rendimiento de la red y la autenticación. Gran parte de tu trabajo en este codelab, si no todo, se puede hacer con un navegador.
Una vez que te conectes a Cloud Shell, deberías ver que te autenticaste y que el proyecto se configuró con tu ID del proyecto.
- En Cloud Shell, ejecuta el siguiente comando para confirmar que tienes la autenticación:
gcloud auth list
Resultado del comando
Credentialed Accounts
ACTIVE ACCOUNT
* <my_account>@<my_domain.com>
To set the active account, run:
$ gcloud config set account `ACCOUNT`
- En Cloud Shell, ejecuta el siguiente comando para confirmar que el comando gcloud conoce tu proyecto:
gcloud config list project
Resultado del comando
[core] project = <PROJECT_ID>
De lo contrario, puedes configurarlo con el siguiente comando:
gcloud config set project <PROJECT_ID>
Resultado del comando
Updated property [core/project].
3. Habilita la API de Speech-to-Text
Antes de comenzar a usar la API de Speech-to-Text, debes habilitarla. Puedes habilitar la API con el siguiente comando en Cloud Shell:
gcloud services enable speech.googleapis.com
4. Instala la biblioteca cliente de la API de Google Cloud Speech-to-Text para C#
Primero, crea una aplicación de consola simple en C# que usarás para ejecutar muestras de la API de Speech-to-Text:
dotnet new console -n SpeechToTextApiDemo
Deberías ver la aplicación creada y las dependencias resueltas:
The template "Console Application" was created successfully.
Processing post-creation actions...
...
Restore succeeded.
A continuación, navega a la carpeta SpeechToTextApiDemo:
cd SpeechToTextApiDemo/
Y agrega el paquete NuGet Google.Cloud.Speech.V1 al proyecto:
dotnet add package Google.Cloud.Speech.V1
info : Adding PackageReference for package 'Google.Cloud.Speech.V1' into project '/home/atameldev/SpeechToTextApiDemo/SpeechToTextApiDemo.csproj'.
log : Restoring packages for /home/atameldev/SpeechToTextApiDemo/SpeechToTextApiDemo.csproj...
...
info : PackageReference for package 'Google.Cloud.Speech.V1' version '1.0.1' added to file '/home/atameldev/SpeechToTextApiDemo/SpeechToTextApiDemo.csproj'.
Ya puedes usar la API de Speech-to-Text.
5. Transcribe archivos de audio
En esta sección, transcribirás un archivo de audio grabado previamente en inglés. El archivo de audio está disponible en Google Cloud Storage.
Para transcribir un archivo de audio, abre el editor de código en la parte superior derecha de Cloud Shell:
Navega al archivo Program.cs dentro de la carpeta SpeechToTextApiDemo y reemplaza el código por lo siguiente:
using Google.Cloud.Speech.V1;
using System;
namespace SpeechToTextApiDemo
{
public class Program
{
public static void Main(string[] args)
{
var speech = SpeechClient.Create();
var config = new RecognitionConfig
{
Encoding = RecognitionConfig.Types.AudioEncoding.Flac,
SampleRateHertz = 16000,
LanguageCode = LanguageCodes.English.UnitedStates
};
var audio = RecognitionAudio.FromStorageUri("gs://cloud-samples-tests/speech/brooklyn.flac");
var response = speech.Recognize(config, audio);
foreach (var result in response.Results)
{
foreach (var alternative in result.Alternatives)
{
Console.WriteLine(alternative.Transcript);
}
}
}
}
}
Tómate un minuto o dos para estudiar el código y ver cómo se usa para transcribir un archivo de audio*.
El parámetro Encoding le indica a la API qué tipo de codificación de audio usas para el archivo de audio. Flac es el tipo de codificación para archivos .raw (consulta el documento para obtener más detalles sobre el tipo de codificación).
En el objeto RecognitionAudio, puedes pasar a la API el URI de nuestro archivo de audio en Cloud Storage o la ruta de acceso local al archivo de audio. Aquí usamos un URI de Cloud Storage.
De regreso en Cloud Shell, ejecuta la app:
dotnet run
Deberías ver el siguiente resultado:
how old is the Brooklyn Bridge
Resumen
En este paso, pudiste transcribir un archivo de audio en inglés y, luego, imprimir el resultado. Obtén más información sobre la transcripción.
6. Transcribe con marcas de tiempo de palabras
Speech-to-Text puede detectar la compensación horaria (marca de tiempo) del audio transcrito. Las compensaciones horarias muestran el principio y el final de cada palabra pronunciada en el audio proporcionado. Un valor de compensación horaria representa la cantidad de tiempo que transcurrió desde el comienzo del audio, en incrementos de 100 ms.
Para transcribir un archivo de audio con compensaciones de tiempo, navega al archivo Program.cs dentro de la carpeta SpeechToTextApiDemo y reemplaza el código por lo siguiente:
using Google.Cloud.Speech.V1;
using System;
namespace SpeechToTextApiDemo
{
public class Program
{
public static void Main(string[] args)
{
var speech = SpeechClient.Create();
var config = new RecognitionConfig
{
Encoding = RecognitionConfig.Types.AudioEncoding.Flac,
SampleRateHertz = 16000,
LanguageCode = LanguageCodes.English.UnitedStates,
EnableWordTimeOffsets = true
};
var audio = RecognitionAudio.FromStorageUri("gs://cloud-samples-tests/speech/brooklyn.flac");
var response = speech.Recognize(config, audio);
foreach (var result in response.Results)
{
foreach (var alternative in result.Alternatives)
{
Console.WriteLine($"Transcript: { alternative.Transcript}");
Console.WriteLine("Word details:");
Console.WriteLine($" Word count:{alternative.Words.Count}");
foreach (var item in alternative.Words)
{
Console.WriteLine($" {item.Word}");
Console.WriteLine($" WordStartTime: {item.StartTime}");
Console.WriteLine($" WordEndTime: {item.EndTime}");
}
}
}
}
}
}
Dedica uno o dos minutos a estudiar el código y ver cómo se usa para transcribir un archivo de audio con marcas de tiempo de palabras*. El parámetro EnableWordTimeOffsets le indica a la API que habilite los desplazamientos de tiempo (consulta el documento para obtener más detalles).
De regreso en Cloud Shell, ejecuta la app:
dotnet run
Deberías ver el siguiente resultado:
dotnet run
Transcript: how old is the Brooklyn Bridge
Word details:
Word count:6
how
WordStartTime: "0s"
WordEndTime: "0.300s"
old
WordStartTime: "0.300s"
WordEndTime: "0.600s"
is
WordStartTime: "0.600s"
WordEndTime: "0.800s"
the
WordStartTime: "0.800s"
WordEndTime: "0.900s"
Brooklyn
WordStartTime: "0.900s"
WordEndTime: "1.100s"
Bridge
WordStartTime: "1.100s"
WordEndTime: "1.500s"
Resumen
En este paso, pudiste transcribir un archivo de audio en inglés con marcas de tiempo de palabras y, luego, imprimir el resultado. Obtén más información para transcribir con desplazamientos de palabras.
7. Transcribir diferentes idiomas
La API de Speech-to-Text admite la transcripción en más de 100 idiomas. Para consultar la lista de idiomas admitidos, ingresa aquí.
En esta sección, transcribirás un archivo de audio pregrabado en francés. El archivo de audio está disponible en Google Cloud Storage.
Para transcribir el archivo de audio en francés, navega al archivo Program.cs dentro de la carpeta SpeechToTextApiDemo y reemplaza el código por lo siguiente:
using Google.Cloud.Speech.V1;
using System;
namespace SpeechToTextApiDemo
{
public class Program
{
public static void Main(string[] args)
{
var speech = SpeechClient.Create();
var config = new RecognitionConfig
{
Encoding = RecognitionConfig.Types.AudioEncoding.Flac,
LanguageCode = LanguageCodes.French.France
};
var audio = RecognitionAudio.FromStorageUri("gs://cloud-samples-data/speech/corbeau_renard.flac");
var response = speech.Recognize(config, audio);
foreach (var result in response.Results)
{
foreach (var alternative in result.Alternatives)
{
Console.WriteLine(alternative.Transcript);
}
}
}
}
}
Dedica uno o dos minutos a estudiar el código y ver cómo se usa para transcribir un archivo de audio*. El parámetro LanguageCode le indica a la API en qué idioma está la grabación de audio.
De regreso en Cloud Shell, ejecuta la app:
dotnet run
Deberías ver el siguiente resultado:
maître corbeau sur un arbre perché tenait en son bec un fromage
Esta es una oración de un popular cuento infantil francés.
Resumen
En este paso, pudiste transcribir un archivo de audio en francés y, luego, imprimir el resultado. Obtén más información sobre los idiomas compatibles.
8. ¡Felicitaciones!
Aprendiste a usar la API de Speech-to-Text con C# para realizar diferentes tipos de transcripción en archivos de audio.
Limpia
Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud Platform por los recursos de esta guía de inicio rápido:
- Ve a Cloud Platform Console.
- Selecciona el proyecto que deseas cerrar y, luego, haz clic en "Borrar" en la parte superior para programar su eliminación.
Más información
- API de Google Cloud Speech-to-Text: https://cloud.google.com/speech-to-text/docs
- C#/.NET en Google Cloud Platform: https://cloud.google.com/dotnet/
- Cliente de .NET de Google Cloud: https://googlecloudplatform.github.io/google-cloud-dotnet/
Licencia
Este trabajo cuenta con una licencia Atribución 2.0 Genérica de Creative Commons.