PJCHENder 未整理筆記

[GCP] Google Cloud Speech API

2019-08-08

[GCP] Google Cloud Speech API

@(雲端服務)

keywords: cloud, GCP

擷取 1 分鐘以上的長音檔

Transcribing long audio files @ Google Docs > Cloud Speech-to-Text

  • 若要轉錄 1 分鐘以上的音檔,該音檔需要放到 GCS 上
  • 因為 1 分鐘以上的音檔需要處理較長的時間,因此會分成兩個請求,第一個是請求「開始轉錄的操作」,第二個請求是「取得轉錄的結果」,這個結果可能不會馬上完成,當 donetrue 時才可得到轉錄的結果(透過 JavaScript sdk 可以再一次 async function 中等到結果完成後再繼續執行)。

請求開始轉錄

這個請求會請 Google Cloud 開始處理某一部音檔的轉錄,並且取得 operation name,之後便需要透過這個 operation name 來詢問處理狀況並取得轉錄結果:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
// Authorization Token 的取得可以透過 GCP 的 CLI 輸入
// gCloud auth application-default print-access-token

var request = require('request');

var options = {
method: 'POST',
url: 'https://speech.googleapis.com/v1/speech:longrunningrecognize',
headers: {
Authorization: 'Bearer $(gcloud auth application-default print-access-token)',
'Content-Type': 'application/json',
},
body: {
audio: { uri: 'gs://cloud-speech-videos/long-audio.wav' },
config: {
encoding: 'LINEAR16',
sampleRateHertz: 48000,
languageCode: 'zh-TW',
enableWordTimeOffsets: true,
},
},
};

request(options, function(error, response, body) {
if (error) throw new Error(error);

console.log(body);
});

會取得帶有 operation name 的回應,之後便需要透過這個 operation name 來詢問處理狀況並取得轉錄結果:

1
2
3
{
"name": "8662420302733843496"
}

詢問轉錄狀況並取得結果

在 Request URL 中會帶入 operation name,例如:

1
https://speech.googleapis.com/v1/operations/<oprenation-name>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
var request = require('request');

var options = {
method: 'GET',
url: 'https://speech.googleapis.com/v1/operations/8662420302733843496',
headers: {
Authorization: 'Bearer $(gcloud auth application-default print-access-token)',
'Content-Type': 'application/json; charset=utf-8',
},
};

request(options, function(error, response, body) {
if (error) throw new Error(error);

console.log(body);
});

文字尚未轉錄完成前會得到如下結果:

1
2
3
4
5
6
7
8
{
"name": "7219429054181291819",
"metadata": {
"@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
"startTime": "2019-08-12T06:50:00.776262Z",
"lastUpdateTime": "2019-08-12T06:50:04.302192Z"
}
}

轉錄完成後會得到 done 屬性為 true

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
"name": "7219429054181291819",
"metadata": {
"@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
"progressPercent": 100,
"startTime": "2019-08-12T06:50:00.776262Z",
"lastUpdateTime": "2019-08-12T06:50:17.442272Z"
},
"done": true,
"response": {
"@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeResponse",
"results": [
// ...
]
}
}

其他

取得時間戳記(Getting word timestamps)

keywords: time offset, timestamp

Getting word timestamps @ Google Doc - Cloud Speech-to-Text

若想要取得時間戳記,可以在 config 內加上 enableWordTimeOffsetstrue

1
2
3
4
const config = {
// ...
enableWordTimeOffsets: true
};

取得的結果會以 100ms 為單位,取得每個單字的時間戳記(timestamp)。

掃描二維條碼,分享此文章