GSP048

概览

借助 Speech-to-Text API，您可以将音频语音文件转写为 80 多种语言的文本文件。

在本实验中，您将向 Speech API 发送音频文件以进行转写。

学习内容

在本实验中，您将：

• 创建 Speech-to-Text API 请求，并使用 curl 调用该 API
• 对不同语言的音频文件调用 Speech-to-Text API

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个对话框供您选择支付方式。左侧是“实验详细信息”窗格，其中包含以下各项：

   • “打开 Google Cloud 控制台”按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示“登录”页面。

   提示：将这些标签页安排在不同的窗口中，并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在“实验详细信息”窗格中找到“用户名”。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在“实验详细信息”窗格中找到“密码”。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于这是临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需访问 Google Cloud 产品和服务，请点击导航菜单，或在搜索字段中输入服务或产品的名称。

任务 1. 创建 API 密钥

由于您使用 curl 向 Speech-to-Text API 发送请求，因此需要生成 API 密钥，将其包含在请求网址中。

1. 如需创建 API 密钥，请在导航菜单 () 中依次点击 API 和服务 > 凭据。

2. 点击创建凭据，然后选择 API 密钥。

3. 复制并记录您刚刚生成的密钥，以便稍后在本实验中使用。

4. 点击关闭。

点击检查我的进度以验证是否完成了以下目标：

创建 API 密钥

现在，将密钥保存为环境变量，这样就不必在每个请求中都插入该 API 密钥的值。

5. 如需执行后续步骤，请通过 SSH 连接到为您预配的 linux-instance：

在导航菜单 () 中，点击 Compute Engine > 虚拟机实例。

请注意，虚拟机实例列表中会显示 linux-instance 虚拟机。虚拟机详细信息位于虚拟机名称的右侧。

6. 点击虚拟机名称 linux-instance 右侧的 SSH。

系统会打开一个交互式 shell。使用此 shell 执行后续操作。

7. 在 shell (SSH) 中运行以下命令，并将 <your_api_key> 替换为您刚刚复制的密钥：

export API_KEY=<YOUR_API_KEY>

任务 2. 创建 API 请求

注意：本实验使用 Cloud Storage 中预先录制的文件：gs://cloud-samples-data/speech/brooklyn_bridge.flac。您可以先听一听该录音文件，然后再将其发送到 Speech-to-Text API。

1. 在 request.json 文件中构建对 API 的请求。创建 request.json 文件：

touch request.json

2. 使用您首选的命令行编辑器（nano、vim、emacs）或 gcloud 打开该文件，然后将以下内容添加到 request.json 文件中，并使用原始音频样本文件的 uri 值：

{ "config": { "encoding":"FLAC", "languageCode": "en-US" }, "audio": { "uri":"gs://cloud-samples-data/speech/brooklyn_bridge.flac" } }

3. 根据需要保存文件。

请求正文包含 config 和 audio 对象。

config 用于告诉 Speech-to-Text API 如何处理请求：

• encoding 参数的用途是在向 API 发送文件时，告诉 API 您使用的是哪种类型的音频编码。FLAC 是 .raw 文件的编码类型（如需详细了解编码类型，请参阅 RecognitionConfig 参考文档）。
• 如果没有填写请求的 languageCode，则默认为英语。

您还可以向 config 对象添加其他参数，但只有 encoding 是必须提供的。

audio 对象用于向 API 传递音频文件的 URI，该文件存储在本实验的 Cloud Storage 中。

点击检查我的进度以验证是否完成了以下目标：

创建 Speech API 请求

现在，您可以开始调用 Speech-to-Text API 了！

任务 3. 调用 Speech-to-Text API

1. 使用以下 curl 命令（所有内容均包含在一个命令行中），将请求正文和 API 密钥环境变量传递给该 API：

curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json \ "https://speech.googleapis.com/v1/speech:recognize?key=${API_KEY}" > result.json

响应存储在名为 result.json 的文件中。

2. 如需查看文件的内容，您可以使用以下命令：

cat result.json

curl 命令返回的响应如下所示：

{ "results": [ { "alternatives": [ { "transcript": "how old is the Brooklyn Bridge", "confidence": 0.98216057 } ], "resultEndTime": "1.770s", "languageCode": "en-us" } ], "totalBilledTime": "15s" }

transcript 值返回的是 Speech API 将音频文件转写成的文字，而 confidence 值代表 API 对音频转写准确性的置信度。

请注意，以上请求调用了 syncrecognize 方法。Speech-to-Text API 支持同步及异步语音转文字。

本例中使用的是完整的音频文件，不过，您也可以使用 syncrecognize 方法，在用户讲话的同时进行流式语音转文字。

点击检查我的进度以验证是否完成了以下目标：

调用 Speech API 来转写英语音频

任务 4. 将不同语言的语音转写成文字

您是否通晓多种语言？Speech-to-Text API 支持将 100 多种语言的语音转写成文字！

您可以更改 request.json 中的 language_code 参数。您可以在语言支持指南中找到支持的语言列表。

尝试转写一个法语音频文件（如需预先听一听，请点击此处）。

1. 修改 request.json，对内容做以下更改：

{ "config": { "encoding":"FLAC", "languageCode": "fr" }, "audio": { "uri":"gs://cloud-samples-data/speech/corbeau_renard.flac" } }

2. 再次运行 curl 命令，调用 Speech-to-Text。

3. 查看结果：

cat result.json

您应该会看到以下响应：

{ "results": [ { "alternatives": [ { "transcript": "maître corbeau sur un arbre perché Tenait dans son bec un fromage maître Renard par l'odeur alléché lui tint à peu près ce langage et bonjour monsieur du corbeau", "confidence": 0.93855613 } ], "resultEndTime": "12.630s", "languageCode": "fr-fr" } ], "totalBilledTime": "15s" }

这句话来自一个广受欢迎的法国儿童故事，作者是让·德·拉封丹。如果您有其他语言的音频文件，也可以尝试将其添加到 Cloud Storage 中，并更改请求中的 languageCode 参数。

注意：Cloud Speech-to-Text 的 API 限制和用量限额已在“配额和限制”资源中记录。 调用 Speech API 来转写法语音频

恭喜！

您使用 Speech API 执行了语音转文字。您将音频文件的 Cloud Storage URI 传递给了 API，并了解了另一种方法，也就是将音频内容进行 base64 编码，并将编码后的字符串直接传递给 API。

后续步骤/了解详情

• 查看文档中的相关教程。
• 试用 Cloud Vision API 和 Natural Language API。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

本手册的最后更新时间：2024 年 11 月 4 日

本实验的最后测试时间：2024 年 11 月 4 日

版权所有 2025 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。