搭配 C# 使用 Speech-to-Text API

1. 總覽

Google Cloud Speech-to-Text API 讓開發人員透過簡單易用的 API，運用強大的類神經網路模型，將音訊轉換成 120 種語言和方言的文字。

在本程式碼研究室中，您將專注於搭配 C# 使用 Speech-to-Text API。您會瞭解如何將英文和其他語言的音訊檔案傳送至 Cloud Speech-to-Text API 進行語音轉錄。

課程內容

• 如何使用 Cloud Shell
• 如何啟用 Speech-to-Text API
• 如何驗證 API 要求
• 如何安裝 C# 適用的 Google Cloud 用戶端程式庫
• 如何轉錄英文音訊檔案
• 如何轉錄含字詞時間戳記的音訊檔案
• 如何轉錄不同語言的音訊檔案

軟硬體需求

• Google Cloud Platform 專案
• 瀏覽器，例如 Chrome 或 Firefox
• 熟悉使用 C#

問卷調查

您會如何使用這個教學課程？

僅供閱讀 閱讀並完成練習

針對 C# 的使用體驗，您會給予什麼評價？

新手 中級 還算容易

根據您使用 Google Cloud Platform 服務的經驗，您會給予什麼評價？

新手 中級 還算容易

2. 設定和需求

自修環境設定

1. 登入 Google Cloud 控制台，建立新專案或重複使用現有專案。如果您還沒有 Gmail 或 Google Workspace 帳戶，請先建立帳戶。

• 「專案名稱」是這項專案參與者的顯示名稱。這是 Google API 未使用的字元字串。你隨時可以更新。
• 所有 Google Cloud 專案的專案 ID 均不得重複，而且設定後即無法變更。Cloud 控制台會自動產生一個不重複的字串。但通常是在乎它何在在大部分的程式碼研究室中，您必須參照專案 ID (通常為 PROJECT_ID)。如果您對產生的 ID 不滿意，可以隨機產生一個 ID。或者，您也可以自行嘗試，看看是否支援。在這個步驟後，這個名稱即無法變更，而且在專案期間內仍會保持有效。
• 資訊中的第三個值是專案編號，部分 API 會使用這個編號。如要進一步瞭解這三個值，請參閱說明文件。

注意：專案 ID 在全域範圍內都不可重複，選定後即無法使用。您是該 ID 唯一的使用者。即使專案已刪除，也無法再次使用該 ID

注意：如果使用 Gmail 帳戶，可以保留預設位置的「無機構」。如果您使用的是 Google Workspace 帳戶，請選擇最符合貴機構現況的位置。

2. 接下來，您需要在 Cloud 控制台中啟用計費功能，才能使用 Cloud 資源/API。執行本程式碼研究室不會產生任何費用 (如果有的話)。如要關閉資源，以免產生本教學課程結束後產生的費用，您可以刪除自己建立的資源或刪除專案。新使用者符合 $300 美元免費試用計畫的資格。

啟動 Cloud Shell

雖然 Google Cloud 可以從筆記型電腦遠端操作，但在本程式碼研究室中，您將使用 Google Cloud Shell，這是一種在 Cloud 中執行的指令列環境。

啟用 Cloud Shell

1. 在 Cloud 控制台中，按一下「啟用 Cloud Shell」圖示 。

如果您是第一次啟動 Cloud Shell，系統會顯示中繼畫面，說明這項服務的內容。如果系統顯示中繼畫面，請按一下「繼續」。

佈建並連線至 Cloud Shell 只需幾分鐘的時間。

這個虛擬機器已載入所有必要的開發工具。提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作，大幅提高網路效能和驗證能力。在本程式碼研究室中，您的大部分作業都可透過瀏覽器完成。

連線至 Cloud Shell 後，您應會發現自己通過驗證，且專案已設為您的專案 ID。

2. 在 Cloud Shell 中執行下列指令，確認您已通過驗證：

gcloud auth list

指令輸出

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

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

注意：gcloud 指令列工具是 Google Cloud 中功能強大的整合式指令列工具。已預先安裝於 Cloud Shell 中。您會發現系統支援分頁完成功能。首次執行指令時，系統可能會提示您驗證身分。如要瞭解詳情，請參閱 gcloud 指令列工具總覽。

3. 在 Cloud Shell 中執行下列指令，確認 gcloud 指令知道您的專案：

gcloud config list project

指令輸出

[core]
project = <PROJECT_ID>

如果尚未設定，請使用下列指令進行設定：

gcloud config set project <PROJECT_ID>

指令輸出

Updated property [core/project].

注意：如果您是在 Cloud Shell 以外的地方完成本教學課程，請按照「設定應用程式預設憑證」一節的說明操作。

3. 啟用 Speech-to-Text API

您必須先啟用 API，才能開始使用 Speech-to-Text API。您可以在 Cloud Shell 中使用下列指令啟用 API：

gcloud services enable speech.googleapis.com

注意：如果此指令「ERROR」，請檢查目前的專案 ID 是否與程式碼研究室的專案 ID 相符。

使用下列指令來尋找 Cloud Shell 目前使用的專案 ID：

gcloud info | grep "project"

如果專案 ID 不正確，請使用下列指令來使用正確的專案 ID：

gcloud config set project <PROJECT_ID>

將 <PROJECT_ID> 替換為正確的專案 ID。

4. 安裝 C# 適用的 Google Cloud Speech-to-Text API 用戶端程式庫

首先，請建立簡易的 C# 主控台應用程式，您將用於執行 Speech-to-Text API 範例：

dotnet new console -n SpeechToTextApiDemo

您應該會看到應用程式已建立，並已解決依附元件：

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

接著前往 SpeechToTextApiDemo 資料夾：

cd SpeechToTextApiDemo/

然後將 Google.Cloud.Speech.V1 NuGet 套件新增至專案：

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'.

現在您可以開始使用 Speech-to-Text API 了！

5. 轉錄音訊檔案

在本節中，您將轉錄預先錄製的英文音訊檔案。您可以從 Google Cloud Storage 取得音訊檔案。

注意：使用的是預先錄製的檔案，可從 Google Cloud Storage 取得：gs://cloud-samples-tests/speech/brooklyn.flac。您可以先在這裡聆聽這個檔案，再傳送至 Speech-to-Text API。

如要轉錄音訊檔案，請開啟 Cloud Shell 右上角的程式碼編輯器：

前往 SpeechToTextApiDemo 資料夾中的 Program.cs 檔案，然後將程式碼替換為以下程式碼：

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);
                }
            }
        }
    }
}

花一兩分鐘研究這個課程，看看它如何用於轉錄音訊檔案*。*

Encoding 參數可向 API 說明您要使用哪一種音訊編碼類型。Flac 是 .raw 檔案的編碼類型 (如需編碼類型的詳細資訊，請參閱文件)。

在 RecognitionAudio 物件中，您可以向 API 傳遞 Cloud Storage 中音訊檔案的 URI，或是音訊檔案的本機檔案路徑。這裡使用 Cloud Storage URI。

返回 Cloud Shell，執行應用程式：

dotnet run

您應該會看到以下的輸出內容：

how old is the Brooklyn Bridge

注意：如果這個 C# 代碼不適用，請驗證您在驗證 API 要求步驟中執行的操作說明。

請使用下列指令驗證 GOOGLE_APPLICATION_CREDENTIALS 環境變數的值：

echo GOOGLE_APPLICATION_CREDENTIALS

這會輸出值 "~/key.json".

如果是，請使用以下程式碼，檢查服務帳戶是否已建立，且位於 "~/key.json"：

cat "~/key.json"

內容大致如下所示：

{

"type": "service_account",

"project_id": "PROJECT_ID",

"private_key_id": "ff31939192529e07f42e4535fb20bb029def1276",

"Private_key":...

如果沒有，請再次查看「Authenticate API 要求」步驟。

摘要

在這個步驟中，您可以轉錄英文音訊檔案並列印結果。進一步瞭解轉錄。

6. 使用字詞時間戳記轉錄

Speech-to-Text 可以偵測轉錄音訊的時間偏移 (時間戳記)。時間偏移會顯示提供的音訊中每個朗讀字詞的開始和結束時間。時間偏移值代表從音訊開頭經過的時間量，以 100 毫秒為遞增量。

如要使用時間偏移轉錄音訊檔案，請前往 SpeechToTextApiDemo 資料夾中的 Program.cs 檔案，然後將程式碼替換為以下程式碼：

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}");
                    }
                }
            }
        }
    }
}

花一兩分鐘研究課程代碼，看看它能用來轉錄含文字時間戳記的音訊檔案*。*EnableWordTimeOffsets 參數會指示 API 啟用時間偏移 (詳情請參閱文件)。

返回 Cloud Shell，執行應用程式：

dotnet run

您應該會看到以下的輸出內容：

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"

摘要

在這個步驟中，您可以使用字詞時間戳記轉錄英文音訊檔案，然後輸出結果。進一步瞭解如何使用文字偏移進行轉錄。

7. 轉錄不同語言

Speech-to-Text API 支援超過 100 種語言的語音轉錄功能！如要查看支援的語言清單，請按這裡。

在本節中，您將轉錄預先錄製的法文音訊檔案。您可以從 Google Cloud Storage 取得音訊檔案。

注意：使用的是預先錄製的檔案，可從 Google Cloud Storage 取得：gs://cloud-samples-data/speech/corbeau_renard.flac。您可以先在這裡聆聽這個檔案，再傳送至 Speech-to-Text API。

如要轉錄法文音訊檔案，請前往 SpeechToTextApiDemo 資料夾中的 Program.cs 檔案，然後將程式碼替換成以下程式碼：

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);
                }
            }
        }
    }
}

請花一兩分鐘研究這個課程代碼，看看該如何運用這段程式碼轉錄音訊檔案*。*LanguageCode 參數會向 API 指出音訊錄音所使用的語言。

返回 Cloud Shell，執行應用程式：

dotnet run

您應該會看到以下的輸出內容：

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

這是法國兒童故事的句子。

摘要

在這個步驟中，您可以轉錄法文的音訊檔案，然後輸出結果。進一步瞭解支援的語言。

8. 恭喜！

您已瞭解如何使用 C# 的 Speech-to-Text API，對音訊檔案執行不同類型的語音轉錄！

清除所用資源

如何避免系統向您的 Google Cloud Platform 帳戶收取您在本快速入門導覽課程中所用資源的相關費用：

• 前往 Cloud Platform 主控台。
• 選取您要關閉的專案，然後按一下「刪除」會安排將專案刪除。

瞭解詳情

• Google Cloud Speech-to-Text API：https://cloud.google.com/speech-to-text/docs
• Google Cloud Platform 上的 C#/.NET：https://cloud.google.com/dotnet/
• Google Cloud .NET 用戶端：https://googlecloudplatform.github.io/google-cloud-dotnet/

授權

這項內容採用的是創用 CC 姓名標示 2.0 通用授權。