GSP048

Informações gerais

Com a API Speech-to-Text, é possível transcrever arquivos de fala em áudio para arquivos de texto em mais de 80 idiomas.

Neste laboratório, você vai enviar um arquivo de áudio para transcrição usando a API Speech.

Conteúdo

Neste laboratório, você aprenderá a realizar estas tarefas:

• Criar uma solicitação da API Speech-to-Text e chamar a API usando o comando curl.
• Chamar a API Speech-to-Text com arquivos de áudio em um idioma diferente.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: crie uma chave de API

Como você usa o comando curl para enviar solicitações para a API Speech-to-Text, é necessário ter uma chave de API para transmitir o URL da solicitação.

1. Para criar uma chave de API, acesse o Menu de navegação () e selecione APIs e serviços > Credenciais.

2. Clique em Criar credenciais e selecione Chave de API.

3. Copie a chave que você acabou de usar e a armazene em um local de fácil acesso para usar neste laboratório mais tarde.

4. Clique em Fechar.

Clique em Verificar meu progresso para conferir o andamento do objetivo.

Crie uma chave de API

Em seguida, salve a chave em uma variável de ambiente para não precisar inserir o valor dela em cada solicitação.

5. Para executar as próximas etapas, conecte-se à linux-instance provisionada para você por SSH:

No Menu de navegação (), clique em Compute Engine > Instâncias de VM.

Verifique a VM da linux-instance na lista de instâncias de VM. Os detalhes da VM estão localizados à direita do nome da máquina virtual.

6. Clique em SSH à direita do nome da VM linux-instance.

Isso exibirá um shell interativo, que será usado para realizar as próximas operações.

7. No shell (SSH), execute o seguinte comando, substituindo <your_api_key> pela chave que você copiou:

export API_KEY=<YOUR_API_KEY>

Tarefa 2: Crie sua solicitação de API

Observação: este laboratório usa um arquivo pré-gravado disponível no Cloud Storage: gs://cloud-samples-data/speech/brooklyn_bridge.flac. Antes de enviá-lo para a API Speech-to-Text, é possível ouvir o arquivo.

1. Crie a solicitação para a API no arquivo request.json. Crie o arquivo request.json:

touch request.json

2. Abra o arquivo usando o editor de linha de comando da sua preferência (nano, vim, emacs) ou gcloud e adicione o seguinte código ao seu arquivo request.json, usando o valor uri do arquivo RAW de amostra de áudio:

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

3. Salve o arquivo conforme necessário.

O corpo da solicitação tem objetos config e audio.

Em config, você informa à API Speech-to-Text como processar a solicitação:

• O parâmetro encoding informa à API o tipo de codificação de áudio que está sendo usado, enquanto o arquivo é enviado à API. FLAC é o tipo de codificação para arquivos .raw. Saiba mais sobre tipos de codificação na Referência da RecognitionConfig.
• Se languageCode não for usado na solicitação, o idioma inglês será usado.

É possível adicionar outros parâmetros ao objeto config, mas encoding é o único obrigatório.

No objeto audio, você transmite à API o URI do arquivo de áudio deste laboratório, que está armazenado no Cloud Storage.

Clique em Verificar meu progresso para conferir o andamento do objetivo.

Crie uma solicitação da API Speech

Agora está tudo pronto para chamar a API Speech-to-Text!

Tarefa 3: Chamar a API Speech-to-Text

1. Para enviar o corpo da sua solicitação à API usando a variável de ambiente da chave de API, use o comando curl abaixo. Ele deve ter apenas uma linha:

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

A resposta é armazenada em um arquivo chamado result.json.

2. Use o código a seguir para mostrar o conteúdo do arquivo:

cat result.json

A resposta do comando curl deverá ser parecida com esta:

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

O valor de transcript corresponde à transcrição de texto do seu arquivo de áudio que a API Speech fez. O valor de confidence indica o quanto a API considera preciso o texto da transcrição.

Você chamou o método syncrecognize na solicitação acima. A API Speech-to-Text oferece suporte à fala síncrona e assíncrona para transcrição de texto.

Nesse exemplo, usamos um arquivo de áudio completo, mas também é possível usar o método syncrecognize para fazer a transcrição de voz em texto por streaming, enquanto o usuário estiver falando.

Clique em Verificar meu progresso para conferir o andamento do objetivo.

Chamar a API Speech para o idioma inglês

Tarefa 4: Transcrição de voz em texto em diversos idiomas

Você fala diversos idiomas? A API Speech-to-Text oferece suporte para a transcrição de voz em texto em mais de 100 idiomas.

Você pode alterar o parâmetro language_code em request.json. Consulte a lista de idiomas compatíveis no Guia de suporte a idiomas.

Use um arquivo de áudio em francês - (para uma prévia, clique aqui).

1. Edite o request.json e mude o conteúdo para o seguinte:

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

2. Chame a Speech-to-Text executando o comando curl novamente.

3. Confira os resultados:

cat result.json

Você vai encontrar a seguinte resposta:

{ "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" }

Essa é uma frase de um famoso conto infantil francês de Jean de la Fontaine. Se você tiver arquivos de áudio em outro idioma, tente adicioná-los ao Cloud Storage e altere o parâmetro languageCode na solicitação.

Observação: as restrições da API e os limites de uso na Cloud Speech-to-Text estão documentadas nas Cotas e limites de recursos. Chamar a API Speech para o idioma francês

Parabéns!

Você realizou a transcrição de voz em texto usando a API Speech. Você transmitiu para a API o URI do Cloud Storage do seu arquivo de áudio e analisou a alternativa de transmitir uma string codificada em base64 do seu conteúdo de áudio.

Próximas etapas / Saiba mais

• Confira estes tutoriais na documentação.
• Teste a API Cloud Vision e a API Natural Language.

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 4 de novembro de 2024

Laboratório testado em 4 de novembro de 2024

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.