GSP119

Übersicht

Die Speech-to-Text API ermöglicht die einfache Einbindung der Spracherkennungstechnologien von Google in Entwickleranwendungen. Damit können Sie Audiodateien an den Dienst senden und eine Texttranskription zurückerhalten.

Lerninhalte

Aufgaben in diesem Lab:

• API-Schlüssel erstellen
• Speech-to-Text API-Anfrage erstellen
• Speech-to-Text API 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 die Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung selbst 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, 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: Wenn Sie über ein persönliches Google Cloud-Konto oder -Projekt verfügen, verwenden Sie es nicht für dieses Lab. So werden zusätzliche Kosten für Ihr Konto vermieden.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Pop-up-Fenster 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 sich eine Liste der Google Cloud-Produkte und ‑Dienste ansehen möchten, klicken Sie oben links auf das Navigationsmenü.

Aufgabe 1: API-Schlüssel erstellen

Da Sie mit curl eine Anfrage an die Speech-to-Text API senden, müssen Sie einen API-Schlüssel erstellen, mit dem die Anfrage-URL übergeben wird.

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

2. Klicken Sie dann auf Anmeldedaten erstellen.

3. Wählen Sie im Drop-down-Menü API-Schlüssel aus.

4. Kopieren Sie den gerade erstellten Schlüssel und klicken Sie auf Schließen.

Klicken Sie auf Fortschritt prüfen.

API-Schlüssel erstellen

Speichern Sie den API-Schlüssel in einer Umgebungsvariablen. So müssen Sie den Wert des API-Schlüssels nicht in jede Anfrage einfügen.

Stellen Sie für die nächsten Schritte eine Verbindung über SSH zu der für Sie bereitgestellten Instanz her.

1. Wählen Sie im Navigationsmenü die Option Compute Engine aus. Im Fenster VM‑Instanzen sollte linux-instance aufgelistet sein.

2. Klicken Sie in der Zeile von linux-instance auf die Schaltfläche SSH. Sie werden zu einer interaktiven Shell weitergeleitet.

3. Geben Sie in der Befehlszeile Folgendes ein. Ersetzen Sie dabei <YOUR_API_KEY> durch den kopierten API-Schlüssel, den Sie zuvor erstellt haben:

export API_KEY=<YOUR_API_KEY>

Sie verlassen die SSH-Sitzung während des Labs nicht.

Aufgabe 2: Speech-to-Text API-Anfrage erstellen

Hinweis: Sie verwenden hierfür eine zuvor aufgezeichnete Audiodatei, die in Cloud Storage verfügbar ist: gs://cloud-samples-tests/speech/brooklyn.flac. Hören Sie sich die Audiodatei an, bevor Sie sie an die Speech-to-Text API senden.

1. Erstellen Sie in der SSH-Befehlszeile die Datei request.json. Diese verwenden Sie, um die Anfrage für die Speech-to-Text API zu erzeugen:

touch request.json

2. Öffnen Sie die Datei request.json:

nano request.json Hinweis: Sie können Ihren bevorzugten Befehlszeileneditor (nano, vim, emacs) oder gcloud verwenden. Dieses Lab bietet Anleitungen für nano.

3. 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-tests/speech/brooklyn.flac" } }

4. Drücken Sie zum Speichern Strg + x und dann y und anschließend die Eingabetaste, um die Datei request.json zu schließen.

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 den Codierungstypen finden Sie in der Dokumentation zu RecognitionConfig.

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

Im audio-Objekt übergeben Sie der API den URI der Audiodatei in Cloud Storage.

Klicken Sie auf Fortschritt prüfen.

Speech-to-Text 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 Speech-to-Text 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}"

Die Antwort sollte in etwa so aussehen:

{ "results": [ { "alternatives": [ { "transcript": "how old is the Brooklyn Bridge", "confidence": 0.98267895 } ] } ] }

Der Wert transcript gibt die Texttranskription der Audiodatei durch die Speech-to-Text API zurück. Der Wert confidence gibt an, wie sicher es ist, dass der Audioinhalt korrekt transkribiert wurde.

Ihnen ist vermutlich aufgefallen, dass Sie in der obigen Anfrage die Methode syncrecognize aufgerufen haben. Die Speech-to-Text API unterstützt sowohl die synchrone als auch asynchrone Spracherkennung mit Transkription. In diesem Beispiel haben Sie eine vollständige Audiodatei an die API gesendet. Mithilfe der Methode syncrecognize können Sie jedoch auch im Streamingmodus eine Spracherkennung mit Transkription ausführen, also während der Nutzer noch spricht.

Sie haben eine Speech-to-Text API-Anfrage erstellt und dann die Speech-to-Text API aufgerufen.

2. Führen Sie den folgenden Befehl aus, um die Antwort in einer result.json-Datei zu speichern:

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

Klicken Sie auf Fortschritt prüfen.

Speech-to-Text API aufrufen

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Sie haben mit der Speech-to-Text API das Transkript einer Audioeingabedatei abgerufen.

Weitere Informationen

Dieses Lab gehört zur Übungsreihe „Qwik Starts“. Die Labs geben Ihnen einen kleinen Vorgeschmack auf die vielen Funktionen von Google Cloud. Wählen Sie im Lab-Katalog unter „Qwik Starts“ einfach das nächste Lab aus, das Sie durchgehen möchten.

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 13. Februar 2024 aktualisiert

Lab zuletzt am 13. Oktober 2023 getestet

© 2024 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.