Como usar a API Speech-to-Text com C#

1. Visão geral

A API Google Cloud Speech-to-Text permite que os desenvolvedores convertam áudio em texto em 120 idiomas e variantes, aplicando modelos de rede neural avançados em uma API fácil de usar.

Neste codelab, você vai usar a API Speech-to-Text com C#. Você vai aprender a enviar um arquivo de áudio em inglês e outros idiomas para a API Cloud Speech-to-Text para transcrição.

O que você vai aprender

• Como usar o Cloud Shell
• Como ativar a API Speech-to-Text
• Como autenticar solicitações de API
• Como instalar a biblioteca de cliente do Google Cloud para C#
• Como transcrever arquivos de áudio em inglês
• Como transcrever arquivos de áudio com carimbos de data/hora de palavra
• Como transcrever arquivos de áudio em diferentes idiomas

O que é necessário

• Um projeto do Google Cloud Platform
• Um navegador, como o Chrome ou o Firefox
• Familiaridade com o uso de C#

Pesquisa

Como você vai usar este tutorial?

Apenas leitura Leitura e exercícios

Como você classificaria sua experiência com C#?

Iniciante Intermediário Proficiente

Como você classificaria sua experiência com o uso dos serviços do Google Cloud Platform?

Iniciante Intermediário Proficiente

2. Configuração e requisitos

Configuração de ambiente autoguiada

1. Faça login no Console do Google Cloud e crie um novo projeto ou reutilize um existente. Crie uma conta do Gmail ou do Google Workspace, se ainda não tiver uma.

• O Nome do projeto é o nome de exibição para os participantes do projeto. É uma string de caracteres não usada pelas APIs do Google e pode ser atualizada quando você quiser.
• O ID do projeto precisa ser exclusivo em todos os projetos do Google Cloud e não pode ser mudado após a definição. O console do Cloud gera automaticamente uma string exclusiva. Em geral, não importa o que seja. Na maioria dos codelabs, é necessário fazer referência ao ID do projeto, normalmente identificado como PROJECT_ID. Se você não gostar do ID gerado, crie outro aleatório. Se preferir, teste o seu e confira se ele está disponível. Ele não pode ser mudado após essa etapa e permanece durante o projeto.
• Para sua informação, há um terceiro valor, um Número do projeto, que algumas APIs usam. Saiba mais sobre esses três valores na documentação.

Atenção: o ID do projeto é globalmente exclusivo e não pode ser usado por outras pessoas após a seleção. Você é o único usuário com esse ID. Mesmo que um projeto seja excluído, o ID não poderá ser usado novamente.

Observação: se você usa uma conta do Gmail, defina o local padrão como Sem organização. Se você usa uma conta do Google Workspace, escolha um local adequado para a organização.

2. Em seguida, ative o faturamento no console do Cloud para usar os recursos/APIs do Cloud. A execução deste codelab não vai ser muito cara, se tiver algum custo. Para encerrar os recursos e evitar cobranças além deste tutorial, exclua os recursos criados ou exclua o projeto. Novos usuários do Google Cloud estão qualificados para o programa de US$ 300 de avaliação sem custos.

Inicie o Cloud Shell

Embora o Google Cloud e o Spanner possam ser operados remotamente do seu laptop, neste codelab usaremos o Google Cloud Shell, um ambiente de linha de comando executado no Cloud.

Ativar o Cloud Shell

1. No Console do Cloud, clique em Ativar o Cloud Shell.

Se esta for a primeira vez que você inicia o Cloud Shell, uma tela intermediária vai aparecer com a descrição dele. Se isso acontecer, clique em Continuar.

Leva apenas alguns instantes para provisionar e se conectar ao Cloud Shell.

Essa máquina virtual contém todas as ferramentas de desenvolvimento necessárias. Ela oferece um diretório principal persistente de 5 GB, além de ser executada no Google Cloud. Isso aprimora o desempenho e a autenticação da rede. Neste codelab, quase todo o trabalho pode ser feito com um navegador.

Depois de se conectar ao Cloud Shell, você vai ver que sua conta já está autenticada e que o projeto está configurado com o ID do seu projeto.

2. Execute o seguinte comando no Cloud Shell para confirmar se a conta está autenticada:

gcloud auth list

Resposta ao comando

 Credentialed Accounts
ACTIVE  ACCOUNT
*       <my_account>@<my_domain.com>

To set the active account, run:
    $ gcloud config set account `ACCOUNT`

Observação: a ferramenta de linha de comando gcloud é a poderosa e unificada do Google Cloud. Ela vem pré-instalado no Cloud Shell. Essa ferramenta aceita preenchimento com tabulação. Talvez seja necessário fazer a autenticação na primeira vez que você executar um comando. Para obter mais informações, consulte aos aspectos gerais da ferramenta de linha de comando gcloud.

3. Execute o comando a seguir no Cloud Shell para confirmar se o comando gcloud sabe sobre seu projeto:

gcloud config list project

Resposta ao comando

[core]
project = <PROJECT_ID>

Se o projeto não estiver configurado, configure-o usando este comando:

gcloud config set project <PROJECT_ID>

Resposta ao comando

Updated property [core/project].

Observação:se você estiver concluindo este tutorial fora do Cloud Shell, siga as etapas em Configurar as credenciais padrão do aplicativo.

3. Ativar a API Speech-to-Text

Antes de começar a usar a API Speech-to-Text, é preciso ativá-la. Para ativar a API, use o seguinte comando no Cloud Shell:

gcloud services enable speech.googleapis.com

Observação: se esse comando for exibido como erro, verifique se o ID do projeto atual corresponde ao ID do projeto do codelab.

Use o seguinte comando para encontrar o ID do projeto atual que está sendo usado pelo Cloud Shell:

gcloud info | grep "project"

Se o ID do projeto não estiver correto, use o seguinte comando para usá-lo:

gcloud config set project <PROJECT_ID>

Substitua <PROJECT_ID> pelo ID do projeto correto.

4. Instalar a biblioteca de cliente da API Google Cloud Speech-to-Text para C#

Primeiro, crie um aplicativo de console C# simples que será usado para executar exemplos da API Speech-to-Text:

dotnet new console -n SpeechToTextApiDemo

O aplicativo criado e as dependências resolvidas vão aparecer:

The template "Console Application" was created successfully.
Processing post-creation actions...
...
Restore succeeded.

Em seguida, navegue até a pasta SpeechToTextApiDemo:

cd SpeechToTextApiDemo/

E adicione o pacote NuGet Google.Cloud.Speech.V1 ao projeto:

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'.

Agora você já pode usar a API Speech-to-Text.

5. Transcrever arquivos de áudio

Nesta seção, você vai transcrever um arquivo de áudio pré-gravado em inglês. O arquivo de áudio está disponível no Google Cloud Storage.

Observação:estamos usando um arquivo pré-gravado disponível no Google Cloud Storage: gs://cloud-samples-tests/speech/brooklyn.flac. Se quiser, ouça o arquivo neste link antes de enviá-lo para a API Speech-to-Text.

Para transcrever um arquivo de áudio, abra o editor de código no canto superior direito do Cloud Shell:

Navegue até o arquivo Program.cs dentro da pasta SpeechToTextApiDemo e substitua o código pelo seguinte:

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);
                }
            }
        }
    }
}

Reserve um ou dois minutos para estudar o código e ver como ele é usado para transcrever um arquivo de áudio.*

O parâmetro Encoding informa à API o tipo de codificação de áudio que você está usando para o arquivo de áudio. Flac é o tipo de codificação para arquivos .raw. Consulte a documentação para saber mais sobre o tipo de codificação.

No objeto RecognitionAudio, é possível transmitir à API o URI do arquivo de áudio no Cloud Storage ou o caminho do arquivo local. Aqui, estamos usando um URI do Cloud Storage.

No Cloud Shell, execute o app:

dotnet run

Você verá esta resposta:

how old is the Brooklyn Bridge

Observação:se esse código C# não funcionar para você, verifique as instruções seguidas na etapa Autenticar solicitações de API.

Use o comando a seguir para verificar o valor da variável de ambiente GOOGLE_APPLICATION_CREDENTIALS:

echo GOOGLE_APPLICATION_CREDENTIALS

Ele precisa gerar o valor "~/key.json".

Se sim, verifique se uma conta de serviço foi criada e está localizada em "~/key.json" usando:

cat "~/key.json"

Você verá algo como o seguinte:

{

"type": "service_account",

"project_id": "PROJECT_ID",

"private_key_id": "ff31939192529e07f42e4535fb20bb029def1276",

"Private_key":...

Caso contrário, volte à etapa Autenticar solicitações de API.

Resumo

Nesta etapa, você conseguiu transcrever um arquivo de áudio em inglês e imprimir o resultado. Leia mais sobre transcrição.

6. Transcrever com carimbos de data/hora de palavras

A Speech-to-Text pode detectar o ajuste de tempo (carimbo de data/hora) do áudio transcrito. Os ajustes de horário mostram o início e o fim de cada palavra falada no áudio fornecido. Um valor de ajuste de horário representa a quantidade de tempo decorrido desde o início do áudio, em incrementos de 100 ms.

Para transcrever um arquivo de áudio com ajustes de tempo, navegue até o arquivo Program.cs na pasta SpeechToTextApiDemo e substitua o código pelo seguinte:

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}");
                    }
                }
            }
        }
    }
}

Reserve um ou dois minutos para estudar o código e ver como ele é usado para transcrever um arquivo de áudio com carimbos de data/hora de palavras. O parâmetro EnableWordTimeOffsets informa à API para ativar os ajustes de tempo. Consulte o documento para mais detalhes.

No Cloud Shell, execute o app:

dotnet run

Você verá esta resposta:

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"

Resumo

Nesta etapa, você conseguiu transcrever um arquivo de áudio em inglês com marcações de tempo de palavras e imprimir o resultado. Leia mais sobre transcrição com intervalos de palavras.

7. Transcrever em idiomas diferentes

A API Speech-to-Text oferece suporte para transcrição em mais de 100 idiomas. Confira a lista de idiomas compatíveis neste link.

Nesta seção, você vai transcrever um arquivo de áudio pré-gravado em francês. O arquivo de áudio está disponível no Google Cloud Storage.

Observação:estamos usando um arquivo pré-gravado disponível no Google Cloud Storage: gs://cloud-samples-data/speech/corbeau_renard.flac. Se quiser, ouça o arquivo neste link antes de enviá-lo para a API Speech-to-Text.

Para transcrever o arquivo de áudio em francês, navegue até o arquivo Program.cs na pasta SpeechToTextApiDemo e substitua o código pelo seguinte:

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);
                }
            }
        }
    }
}

Reserve um ou dois minutos para estudar o código e ver como ele é usado para transcrever um arquivo de áudio. O parâmetro LanguageCode informa à API em qual idioma a gravação de áudio está.

No Cloud Shell, execute o app:

dotnet run

Você verá esta resposta:

maître corbeau sur un arbre perché tenait en son bec un fromage

Essa é uma frase de um famoso conto infantil francês.

Resumo

Nesta etapa, você conseguiu transcrever um arquivo de áudio em francês e imprimir o resultado. Leia mais sobre os idiomas disponíveis.

8. Parabéns!

Você aprendeu a usar a API Speech-to-Text com C# para realizar diferentes tipos de transcrição em arquivos de áudio.

Limpar

Para evitar a cobrança na sua conta do Google Cloud Platform pelo uso de recursos neste guia de início rápido, siga estas etapas:

• Acesse o Console do Cloud Platform.
• Selecione o projeto que você quer encerrar e clique em "Excluir" na parte de cima. Isso programa a exclusão do projeto.

Saiba mais

• API Google Cloud Speech-to-Text: https://cloud.google.com/speech-to-text/docs
• C#/.NET no Google Cloud Platform: https://cloud.google.com/dotnet/
• Cliente .NET do Google Cloud: https://googlecloudplatform.github.io/google-cloud-dotnet/

Licença

Este conteúdo está sob a licença Atribuição 2.0 Genérica da Creative Commons.