将长音频文件转写为文字

本页面演示了如何使用 Speech-to-Text API 和异步语音识别将长音频文件（时长超过 1 分钟）转录为文字。

异步语音识别简介

异步语音识别会启动一项长时间运行的音频处理操作。使用异步语音识别转录超过 60 秒的音频。对于较短的音频，同步语音识别更为简单快捷 is 异步语音识别的上限为 。 is 异步语音识别的上限为 异步语音识别的上限为 480 分钟 。

Speech-to-Text 和异步处理

Speech-to-Text 可以直接接收本地文件中的音频内容进行异步处理。但是，本地文件的音频时间限制为 60 秒。尝试转录长度超过 60 秒的本地音频文件会导致错误。如需使用异步语音识别功能转录超过 60 秒的音频，您必须将数据保存在 Google Cloud Storage 存储桶中。

您可以使用 google.longrunning.Operations 方法检索操作结果。操作结果在 5 天（120 小时）内可供检索。您也可以选择将结果直接上传到 Google Cloud Storage 存储桶。

使用 Google Cloud Storage 文件转录长音频文件

这些示例使用 Cloud Storage 存储桶来存储长音频转写过程的原始音频输入。如需查看典型的 longrunningrecognize 操作响应的示例，请参阅参考文档。

协议

如需了解完整的详细信息，请参阅speech : longrunningrecognize API 端点 。

如需执行同步语音识别，请发出POST 请求并提供相应的请求正文。以下示例展示了一个使用 curl 发出的 POST 请求。该示例使用 Google Cloud CLI 生成访问令牌。如需了解如何安装 gcloud CLI，请参阅快速入门。

curl -X POST \
     -H "Authorization: Bearer "$ (gcloud auth application-default print - access - token) \
     -H " Content - Type : application / json ; charset = utf-8 " \
     --data " {
  'config': {
    'language_code': 'en-US'
   } ,
   ' audio ' : {
    'uri':'gs://cloud-samples-tests/speech/brooklyn.flac'
  }
}" "https://speech.googleapis.com/v1/speech : longrunningrecognize"

如需详细了解配置请求正文的信息，请参阅 RecognitionConfig 和 RecognitionAudio 参考文档 。

如果请求成功，服务器将返回一个 200 OK HTTP 状态代码以及 JSON 格式的响应：

{ 
   " name " : " 7612202767953098924 " 
 }

其中 ，name 是为请求创建的长音频转录操作的名称。

等待处理完成。处理时间因来源音频而异。在大多数情况下，您只需等待源音频长度的一半时间即可获得结果。向https://speech.googleapis.com/v1/operations/ 端点发出GET 请求即可获取长时间运行的操作的状态。请将 替换为 longrunningrecognize 请求返回的 name。

curl -H "Authorization: Bearer "$ (gcloud auth application-default print - access - token) \
     -H " Content - Type : application / json ; charset = utf-8 " \
     "https://speech.googleapis.com/v1/operations/"

如果请求成功，服务器将返回一个 200 OK HTTP 状态代码以及 JSON 格式的响应 ：

{
  " name ": "7612202767953098924",
  "metadata": {
    "@type": " type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata ",
    "progressPercent": 100,
    "startTime": "2017-07-20T16:36:55.033650Z",
    "lastUpdateTime": "2017-07-20T16:37:17.158630Z"
  },
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.longrunningrecognizeresponse",
    " result ": [
      {
        "alternatives": [
          {
            "transcript": "how old is the Brooklyn Bridge",
            "confidence": 0.96096134,
          }
        ]
      },
      {
        "alternatives": [
          {
            ...
          }
        ]
      }
    ]
  }
}

如果该操作尚未完成，则可以通过反复发出GET 请求来轮询此端点，直到相应响应的done 属性为 true 为止。

gcloud

如需查看完整的详细信息，请参阅 recognize-long-running 命令。

如需执行异步语音识别，请使用 Google Cloud CLI，并提供本地文件的路径或 Google Cloud Storage 网址。

gcloud ml speech recognize-long-running \
    'gs://cloud-samples-tests/speech/brooklyn.flac' \
     --language-code='en-US' --async

如果请求成功，则服务器以 JSON 格式返回长时间运行的操作的 ID。

{
  " name ": 
}

然后，您可以通过运行以下命令来获取该操作的信息。

gcloud ml speech operations describe 

您也可以通过运行以下命令来轮询该操作，直到它完成为止。

gcloud ml speech operations wait 

该操作完成后，它会以 JSON 格式返回音频的转录内容 。

{
  "@type": "type.googleapis.com/google.cloud.speech.v1.longrunningrecognizeresponse",
  " result ": [
    {
      "alternatives": [
        {
          "confidence": 0.9840146,
          "transcript": "how old is the Brooklyn Bridge"
        }
      ]
    }
  ]
}

将转录结果上传到 Cloud Storage is 存储桶 存储桶

Speech-to-Text 支持将长时间运行的识别操作的结果直接上传到 Cloud Storage 存储桶。如果您通过 Cloud Storage 触发器实现此功能，Cloud Storage 上传可触发调用 Cloud Functions 的通知，无需轮询 Speech-to-Text 即可获得识别结果。

如需将结果上传到 Cloud Storage 存储桶，请在长时间运行的识别请求中提供可选的 TranscriptOutputConfig 输出配置 。

  message TranscriptOutputConfig {

    oneof output_type {
      // Specifies a Cloud Storage URI for the recognition results. Must be
      // specified in the format: `gs://bucket_name/object_name`
      string gcs_uri = 1;
    }
  }

协议

如需了解完整的详细信息，请参阅longrunningrecognize API 端点 。

以下示例展示了如何使用 curl 发送 POST 请求，其中请求正文指定了 Cloud Storage 存储桶的路径。结果将作为存储 SpeechRecognitionResult 的 JSON 文件上传到此位置 。

curl -X POST \
     -H "Authorization: Bearer $ (gcloud auth application-default print - access - token)" \
     -H " Content - Type : application / json ; charset = utf-8 " \
     --data " {
  'config': {...},
  'output_config': {
     'gcs_uri':'gs://bucket/result-output-path.json'
   } ,
   ' audio ' : {
    'uri': 'gs://bucket/audio-path'
  }
}" "https://speech.googleapis.com/v1p1beta1/speech : longrunningrecognize"

longrunningrecognizeresponse 包含尝试上传的 Cloud Storage 存储桶的路径。如果上传失败，则会返回输出错误。如果已存在同名文件，则上传会将结果写入后缀为时间戳的新文件。

{
  ...
  "metadata": {
    ...
    "outputConfig": {...}
   } ,
  ...
  "response": {
    ...
    " result ": [...],
    "outputConfig": {
      "gcs_uri":"gs://bucket/result-output-path"
     } ,
    "outputError": {...}
  }
}

自行试用

如果您是 Google Cloud 新手，请创建一个账号来评估 Speech-to-Text 在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

免费试用 Speech-to-Text