程式碼研究室簡介
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 Node.js 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
- 如何啟用 Speech-to-Text API
- 如何驗證 API 要求
- 如何安裝 Node.js 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
問卷調查
您會如何使用這個教學課程?
您對 Node.js 的使用體驗有何評價?
根據您使用 Google Cloud Platform 服務的經驗,您會給予什麼評價?
2. 設定和需求
自修環境設定
提醒您,專案 ID 是所有 Google Cloud 專案的專屬名稱 (已經有人使用上述名稱,很抱歉對您不符!)。稍後在本程式碼研究室中會稱為 PROJECT_ID
。
- 接下來,您需要在 Cloud 控制台中啟用計費功能,才能使用 Google Cloud 資源。
執行這個程式碼研究室並不會產生任何費用,如果有的話。請務必依照「清除所用資源」一節指示本節將說明如何關閉資源,這樣您就不會產生本教學課程結束後產生的費用。Google Cloud 的新使用者符合 $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
- 在 Cloud 控制台中,按一下「啟用 Cloud Shell」圖示
。
如果您從未啟動 Cloud Shell,您會看見中繼畫面 (需捲動位置),說明螢幕內容。如果出現這種情況,請按一下「繼續」 (之後不會再顯示)。以下是單次畫面的外觀:
佈建並連線至 Cloud Shell 只需幾分鐘的時間。
這部虛擬機器都裝載了您需要的所有開發工具。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以透過瀏覽器或 Chromebook 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。
- 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`
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].
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
4. 驗證 API 要求
為了向 Speech-to-Text API 提出要求,您必須使用服務帳戶。服務帳戶屬於您的專案,供 Google Client Node.js 程式庫使用這個帳戶提出 Speech-to-Text API 要求。就像任何其他使用者帳戶一樣,服務帳戶都是以電子郵件地址表示。在本節中,您將使用 Cloud SDK 建立服務帳戶,然後建立必須以服務帳戶身分進行驗證的憑證。
首先,使用 PROJECT_ID 設定環境變數。如果您正在使用 Cloud Shell,系統將設定這個環境變數 (在本程式碼研究室中將使用):
export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value core/project)
接著,使用以下指令建立新的服務帳戶來存取 Speech-to-Text API:
gcloud iam service-accounts create my-speech-to-text-sa \
--display-name "my speech-to-text codelab service account"
接下來,建立 Node.js 程式碼將用來登入做為新服務帳戶的憑證。輸入下列指令,建立憑證並儲存為 JSON 檔案 ~/key.json
:
gcloud iam service-accounts keys create ~/key.json \
--iam-account my-speech-to-text-sa@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com
最後,設定 GOOGLE_APPLICATION_CREDENTIALS
環境變數,讓 Speech-to-Text API Node.js 程式庫使用這個變數以尋找您的憑證。使用以下指令,環境變數應設為所建立 JSON 憑證檔案的完整路徑:
export GOOGLE_APPLICATION_CREDENTIALS="/home/${USER}/key.json"
如要進一步瞭解如何驗證 Speech-to-Text API,請參閱本文。
5. 安裝 Node.js 適用的 Google Cloud Speech-to-Text API 用戶端程式庫
首先,請建立將用於執行這項 Speech-to-Text API 研究室的專案,在您選擇的資料夾中初始化新的 Node.js 套件:
npm init
NPM 會針對專案設定詢問幾個相關問題,例如名稱和版本。針對每個問題,按 ENTER
即可接受預設值。預設進入點是名為 index.js
的檔案。
接著,將 Google Cloud Speech 程式庫安裝到專案:
npm install --save @google-cloud/speech
如要進一步瞭解如何設定 Google Cloud 適用的 Node.js 開發作業,請參閱設定指南。
現在您可以開始使用 Speech-to-Text API 了!
6. 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。
前往檔案內的 index.js
檔案,並將程式碼替換成以下內容:
// Imports the Google Cloud client library
const speech = require('@google-cloud/speech');
const client = new speech.SpeechClient();
/**
* Calls the Speech-to-Text API on a demo audio file.
*/
async function quickstart() {
// The path to the remote LINEAR16 file stored in Google Cloud Storage
const gcsUri = 'gs://cloud-samples-data/speech/brooklyn_bridge.raw';
// The audio file's encoding, sample rate in hertz, and BCP-47 language code
const audio = {
uri: gcsUri,
};
const config = {
encoding: 'LINEAR16',
sampleRateHertz: 16000,
languageCode: 'en-US',
};
const request = {
audio: audio,
config: config,
};
// Detects speech in the audio file
const [response] = await client.recognize(request);
const transcription = response.results
.map(result => result.alternatives[0].transcript)
.join('\n');
console.log(`Transcription: ${transcription}`);
}
quickstart();
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。
執行程式:
node .
您應該會看到以下的輸出內容:
how old is the Brooklyn Bridge
7. 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。
前往檔案內的 index.js
檔案,並將程式碼替換成以下內容:
const speech = require('@google-cloud/speech');
const client = new speech.SpeechClient();
/**
* Calls the Speech-to-Text API on a demo audio file.
*/
async function quickstart() {
// The path to the remote LINEAR16 file stored in Google Cloud Storage
const gcsUri = 'gs://cloud-samples-data/speech/brooklyn_bridge.raw';
// The audio file's encoding, sample rate in hertz, and BCP-47 language code
const audio = {
uri: gcsUri,
};
const config = {
encoding: 'LINEAR16',
sampleRateHertz: 16000,
languageCode: 'en-US',
enableWordTimeOffsets: true,
};
const request = {
audio: audio,
config: config,
};
// Detects speech in the audio file
const [response] = await client.recognize(request);
response.results.forEach((result) => {
result.alternatives.forEach((alternative) => {
console.log(`Transcript: ${alternative.transcript}`);
console.log(`Word details:`);
console.log(` Word count ${alternative.words.length}`);
alternative.words.forEach((item) => {
console.log(` ${item.word}`);
const s = parseInt(item.startTime.seconds) +
item.startTime.nanos/1000000000;
console.log(` WordStartTime: ${s}s`);
const e = parseInt(item.endTime.seconds) +
item.endTime.nanos/1000000000;
console.log(` WordEndTime: ${e}s`);
});
});
});
}
quickstart();
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)。
再次執行程式:
node .
您應該會看到以下的輸出內容:
Transcript: how old is the Brooklyn Bridge
Word details:
Word count 6
how
WordStartTime: 0s
WordEndTime: 0.3s
old
WordStartTime: 0.3s
WordEndTime: 0.6s
is
WordStartTime: 0.6s
WordEndTime: 0.8s
the
WordStartTime: 0.8s
WordEndTime: 0.9s
Brooklyn
WordStartTime: 0.9s
WordEndTime: 1.1s
Bridge
WordStartTime: 1.1s
WordEndTime: 1.4s
8. 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。
前往檔案內的 index.js
檔案,並將程式碼替換成以下內容:
// Imports the Google Cloud client library
const speech = require('@google-cloud/speech');
const client = new speech.SpeechClient();
/**
* Calls the Speech-to-Text API on a demo audio file.
*/
async function quickstart() {
// The path to the remote LINEAR16 file stored in Google Cloud Storage
const gcsUri = 'gs://cloud-samples-data/speech/corbeau_renard.flac';
// The audio file's encoding, sample rate in hertz, and BCP-47 language code
const audio = {
uri: gcsUri,
};
const config = {
encoding: 'FLAC',
languageCode: 'fr-FR',
};
const request = {
audio: audio,
config: config,
};
// Detects speech in the audio file
const [response] = await client.recognize(request);
const transcription = response.results
.map((result) => result.alternatives[0].transcript)
.join('\n');
console.log(`Transcription: ${transcription}`);
}
quickstart();
再次執行程式,您應該會看到以下輸出內容:
maître corbeau sur un arbre perché tenait en son bec un fromage
這是法國兒童故事的句子。
如需支援語言和語言代碼的完整清單,請參閱這份說明文件。
9. 恭喜!
您已瞭解如何使用 Node.js 使用 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 Node.js:https://cloud.google.com/nodejs/
- Google Cloud Node.js 用戶端:https://googlecloudplatform.github.io/google-cloud-node/
授權
這項內容採用的是創用 CC 姓名標示 2.0 通用授權。