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 a API do URI Cloud Storage URI do seu arquivo de áudio e analisou a alternativa de transmitir uma string codificada em base64 do seu conteúdo de áudio.

Termine a Quest

Este laboratório autoguiado faz parte das Quests Intro to ML: Language Processing e Language, Speech, Text & Translation with Google Cloud APIs. Uma Quest é uma série de laboratórios relacionados que formam um programa de aprendizado. Ao concluir uma Quest, você ganha um selo como reconhecimento da sua conquista. É possível publicar os selos e incluir um link para eles no seu currículo on-line ou nas redes sociais. Inscreva-se em qualquer Quest que tenha este laboratório para receber os créditos de conclusão na mesma hora. Consulte o catálogo do Google Cloud Ensina para ver todas as Quests disponíveis.

Comece o próximo laboratório

Continue sua Quest com Como avaliar e melhorar a precisão da conversão da fala ou confira os laboratórios a seguir:

• Traduzir textos usando a API Cloud Translation
• Classifique texto em categorias com a API Natural Language

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 20 de setembro de 2023

Laboratório testado em 20 de setembro de 2023

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.