GSP048

Übersicht

Mit der Speech-to-Text API können Sie Audiodateien in mehr als 80 Sprachen in Textdateien transkribieren.

In diesem Lab lassen Sie eine Audiodatei von der Speech API transkribieren.

Lerninhalte

In diesem Lab lernen Sie Folgendes kennen:

• Speech-to-Text API-Anfrage erstellen und die API mit curl aufrufen
• Speech-to-Text API mit Audiodateien in einer anderen Sprache aufrufen

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

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

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

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

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: API-Schlüssel erstellen

Da Sie mit curl eine Anfrage an die Speech-to-Text API senden, müssen Sie einen API-Schlüssel generieren, um die Anfrage-URL zu übergeben.

1. Klicken Sie zum Erstellen eines API-Schlüssels im Navigationsmenü () auf APIs und Dienste > Anmeldedaten.

2. Klicken Sie auf Anmeldedaten erstellen und wählen Sie den API-Schlüssel aus.

3. Kopieren Sie den gerade generierten Schlüssel und notieren Sie sich ihn, da Sie ihn später in diesem Lab noch einmal brauchen.

4. Klicken Sie auf Schließen.

Klicken Sie auf Fortschritt prüfen.

API-Schlüssel erstellen

Speichern Sie den API-Schlüssel in einer Umgebungsvariablen, damit Sie dessen Wert nicht in jede Anfrage einfügen müssen.

5. Stellen Sie für die nächsten Schritte über SSH eine Verbindung zur VM linux-instance her, die für Sie bereitgestellt wurde:

Klicken Sie im Navigationsmenü () auf Compute Engine > VM-Instanzen.

Die VM linux-instance ist in der Liste VM-Instanzen aufgeführt. Die VM-Details befinden sich rechts neben dem VM-Namen.

6. Klicken Sie rechts neben dem VM-Namen linux-instance auf SSH.

Eine interaktive Shell wird geöffnet. Diese verwenden Sie für die nächsten Vorgänge.

7. Führen Sie in der Shell den folgenden Befehl aus und ersetzen Sie dabei <your_api_key> durch den soeben kopierten Schlüssel:

export API_KEY=<YOUR_API_KEY>

Aufgabe 2: API-Anfrage erstellen

Hinweis: In diesem Lab wird eine zuvor aufgezeichnete Audiodatei verwendet, die in Cloud Storage verfügbar ist: gs://cloud-samples-data/speech/brooklyn_bridge.flac. Bevor Sie sie an die Speech-to-Text API senden, können Sie den Inhalt wiedergeben.

1. Erstellen Sie Ihre Anfrage an die Speech API in der Datei request.json:

touch request.json

2. Öffnen Sie die Datei mit einem Befehlszeileneditor wie nano, vim, emacs oder gcloud und fügen Sie der Datei request.json mithilfe des uri-Werts der RAW-Beispielaudiodatei Folgendes hinzu:

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

3. Speichern Sie die Datei gegebenenfalls.

Der Anfragetext enthält ein config- und ein audio-Objekt.

Mit config wird die Speech-to-Text API angewiesen, wie die Anfrage verarbeitet werden soll:

• Beim Senden der Datei an die API gibt der Parameter encoding Aufschluss darüber, welchen Audiocodierungstyp Sie verwendet haben. Dateien mit der Endung .raw werden mit dem Codierungstyp FLAC codiert. Weitere Informationen zu Codierungstypen finden Sie in der RecognitionConfig-Referenz.
• Als languageCode wird standardmäßig Englisch verwendet, wenn Sie in der Anfrage nichts anderes festlegen.

Sie können dem config-Objekt weitere Parameter hinzufügen. Erforderlich ist jedoch nur encoding.

Im audio-Objekt übergeben Sie der API den URI der Audiodatei, die für dieses Lab in Cloud Storage gespeichert ist.

Klicken Sie auf Fortschritt prüfen.

Speech API-Anfrage erstellen

Jetzt können Sie die Speech-to-Text API aufrufen.

Aufgabe 3: Speech-to-Text API aufrufen

1. Verwenden Sie den folgenden curl-Befehl, um den Anfragetext zusammen mit der Umgebungsvariablen mit dem API-Schlüssel an die API zu übergeben. Platzieren Sie dabei alle Elemente in derselben Befehlszeile:

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

Die Antwort wird in der Datei „result.json“ gespeichert.

2. Mit dem folgenden Befehl können Sie den Inhalt der Datei aufrufen:

cat result.json

Die vom curl-Befehl zurückgegebene Antwort sieht in etwa so aus:

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

Der Wert transcript liefert die Texttranskription Ihrer Audiodatei durch die Speech API. Der Wert confidence gibt an, wie sicher es ist, dass das Audiomaterial korrekt transkribiert wurde.

Beachten Sie, dass Sie in der obigen Anfrage die syncrecognize-Methode aufgerufen haben. Die Speech-to-Text API unterstützt sowohl die synchrone als auch asynchrone Spracherkennung mit Transkription.

In diesem Beispiel wurde eine abgeschlossene Audiodatei verwendet. Sie können aber mithilfe der syncrecognize-Methode auch eine Streaming-Transkription durchführen, also eine Sprache-zu-Text-Transkription, während der Nutzer noch spricht.

Klicken Sie auf Fortschritt prüfen.

Speech API für die englische Sprache aufrufen

Aufgabe 4: Sprache-zu-Text-Transkription in verschiedenen Sprachen

Arbeiten Sie mehrsprachig? Die Speech-to-Text API unterstützt Sprache-zu-Text-Transkriptionen in mehr als 100 Sprachen.

Sie können den language_code-Parameter in der Datei request.json ändern. Eine Liste der unterstützten Sprachen finden Sie unter Von Speech-to-Text unterstützte Sprachen.

Wir testen die Funktion mit einer französischen Audiodatei (hier können Sie sich einen Ausschnitt anhören).

1. Ändern Sie dazu den Inhalt der Datei request.json folgendermaßen:

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

2. Rufen Sie die Speech-to-Text API auf, indem Sie den curl-Befehl noch einmal ausführen.

3. Sehen Sie sich das Ergebnis an:

cat result.json

Sie sollten die folgende Antwort sehen:

{ "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" }

Das ist ein Satz aus einer beliebten französischen Fabel von Jean de la Fontaine. Wenn Sie Audiodateien in einer anderen Sprache haben, können Sie sie Cloud Storage hinzufügen und den languageCode-Parameter in Ihrer Anfrage entsprechend ändern.

Hinweis: Informationen zu API-Einschränkungen und Nutzungslimits für Cloud Speech-to-Text finden Sie unter Kontingente und Limits. Speech API für die französische Sprache aufrufen

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Sie haben eine Sprache-zu-Text-Transkription mit der Speech API durchgeführt. Dazu haben Sie der API den Cloud Storage-URI einer Audiodatei übergeben und sich die Alternative angesehen, einen Base64-codierten String der Audioinhalte zu übergeben.

Weitere Informationen

• Beispiele und Anleitungen in der Dokumentation ansehen
• Cloud Vision API und Natural Language API testen

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 4. November 2024 aktualisiert

Lab zuletzt am 4. November 2024 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.