GSP048

總覽

Speech-to-Text API 可將語音檔轉錄成 80 多種語言的文字檔。

在本實驗室，您將傳送音訊檔案至 Speech API 來製作轉錄稿。

課程內容

本實驗室的學習內容包括：

• 建立 Speech-to-Text API 要求，並使用 curl 呼叫 API
• 使用外語音訊檔案呼叫 Speech-to-Text API

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：建立 API 金鑰

您將使用 curl 傳送要求至 Speech-to-Text API，因此必須產生 API 金鑰來傳遞要求網址。

1. 建立 API 金鑰的第一步是打開「導覽選單」 ()，依序點選「API 和服務」>「憑證」。

2. 接著按一下「建立憑證」並選取「API 金鑰」。

3. 複製並記下剛產生的金鑰，之後會在本實驗室用到。

4. 點選「關閉」。

點選「Check my progress」確認目標已達成。

建立 API 金鑰

請將 API 金鑰儲存為環境變數，這樣就不必在每個要求插入金鑰值。

5. 為了進行後續步驟，請使用 SSH 連線至為您佈建的 linux-instance：

打開「導覽選單」()，依序點選「Compute Engine」>「VM 執行個體」。

在「VM 執行個體」清單，找出名為 linux-instance 的 VM。VM 名稱右側會顯示詳細資料。

6. 點選 VM 名稱 linux-instance 右側的「SSH」。

互動式殼層會隨即開啟，請在殼層中完成後續步驟。

7. 在殼層 (SSH) 執行下列指令，並將 <YOUR_API_KEY> 替換成先前複製的金鑰：

export API_KEY=<YOUR_API_KEY>

工作 2：建立 API 要求

注意：本實驗室使用預錄檔案，該檔案可從 Cloud Storage 取得：gs://cloud-samples-data/speech/brooklyn_bridge.flac。將音訊檔案傳送至 Speech-to-Text API 前，您可以聆聽內容。

1. 在 request.json 檔案中建立 API 要求。建立 request.json 檔案：

touch request.json

2. 使用 gcloud 或您偏好的指令列編輯器 (nano、vim、emacs) 開啟檔案，然後使用原始音訊檔案範本的 uri 值，將下列指令新增至 request.json 檔案：

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

3. 視需要儲存檔案。

要求主體包含 config 和 audio 物件。

您可以透過 config，指示 Speech-to-Text API 如何處理要求：

• encoding 參數可說明檔案傳送至 API 時使用的音訊編碼類型，FLAC 則是 .raw 檔案的編碼類型 (請參閱 RecognitionConfig 參考文件，進一步瞭解編碼類型)。
• 如未在要求中填入 languageCode，該項目會預設為英文。

您也可以新增其他參數至 config 物件，但 encoding 是唯一必填項目。

在本實驗室的 Cloud Storage 找出音訊檔案後，使用 audio 物件即可將檔案的 uri 傳遞至 API。

點選「Check my progress」確認目標已達成。

建立 Speech API 要求

現在，您可以呼叫 Speech-to-Text API 了！

工作 3：呼叫 Speech-to-Text API

1. 使用下列 curl 指令，傳遞要求主體及 API 金鑰環境變數至 Speech API。請在單一指令列中輸入所有指令：

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

回應內容會儲存於名為 result.json 的檔案，

2. 使用下列指令即可查看內容：

cat result.json

curl 指令傳回的內容如下：

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

transcript 值傳回 Speech API 轉錄音訊檔案的成果，confidence 值則表示 API 對正確轉錄音訊的信心程度。

您會發現上述要求呼叫了 syncrecognize 方法。Speech-to-Text API 支援同步和非同步的語音轉文字作業。

在這個例子，您傳送的是談話已結束的音訊檔，但您也能透過 syncrecognize 方法，在使用者還在說話時，即時將語音轉錄為文字。

點選「Check my progress」確認目標已達成。

呼叫 Speech API，將英文語音轉錄為文字

工作 4：將不同語言的語音轉錄為文字

您說多種語言嗎？Speech-to-Text API 語音轉文字功能支援超過 100 種語言！

只要變更 request.json 的 language_code 參數，就能調整語言。您可以在語言支援指南查看支援的語言清單。

現在來試試法語音訊檔案。您可以在這裡預先聆聽內容。

1. 編輯 request.json，將內容調整如下：

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

2. 再次執行 curl 指令來呼叫 Speech-to-Text API。

3. 查看結果：

cat result.json

您應會看到以下回應內容：

{ "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" }

這個句子取自法國詩人尚德拉封丹所寫的著名童話。如果您有其他語言的音訊檔案，也可以試著轉錄。方法一樣：將檔案新增至 Cloud Storage，並變更要求中的 languageCode 參數。

注意：如要瞭解 Cloud Speech-to-Text API 的規定和用量限制，請參閱「配額和限制」資源。 呼叫 Speech API，將法文語音轉錄為文字

恭喜！

您順利用 Speech API 將語音轉錄為文字了。您將音訊檔案的 Cloud Storage URI 傳遞至 API，並學到傳遞音訊內容的另一種做法：使用 base64 編碼字串。

後續步驟/瞭解詳情

• 查看說明文件中的教學課程。
• 嘗試 Cloud Vision API 和 Natural Language API。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 11 月 4 日

實驗室上次測試日期：2024 年 11 月 4 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。