GSP119

Descripción general

La API de Speech-to-Text permite la integración sencilla de tecnologías de reconocimiento de voz de Google en aplicaciones para desarrolladores. Además, te permite enviar audios y recibir una transcripción de texto del servicio.

Aprendizajes esperados

En este lab, aprenderás a hacer lo siguiente:

• Crear una clave de API
• Crear una solicitud a la API de Speech-to-Text
• Llamar a la API de Speech-to-Text

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar (se recomienda el navegador Chrome)

Nota: Usa una ventana de navegador privada o de Incógnito para ejecutar este lab. Así evitarás cualquier conflicto entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab: Recuerda que, una vez que comienzas un lab, no puedes pausarlo.

Nota: Si ya tienes un proyecto o una cuenta personal de Google Cloud, no los uses en este lab para evitar cargos adicionales en tu cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón Abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debe usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

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

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

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

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia Cuenta de Google podría generar cargos adicionales.

7. Haga clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para ver un menú con una lista de productos y servicios de Google Cloud, haz clic en el menú de navegación que se encuentra en la parte superior izquierda.

Tarea 1. Crea una clave de API

Dado que usarás curl para enviar una solicitud a la API de Speech-to-Text, tendrás que generar una clave de API para pasar la URL de nuestra solicitud.

1. Para crear una clave de API, haz clic en el menú de navegación > APIs y servicios > Credenciales.

2. Luego, haz clic en Crear credenciales.

3. En el menú desplegable, selecciona Clave de API.

4. Copia la clave que acabas de generar y haz clic en Cerrar.

Haz clic en Revisar mi progreso para verificar el objetivo.

Crear una clave de API

Ahora que tienes una clave de API, la guardarás como una variable de entorno para no tener que ingresar el valor de esta clave en cada solicitud.

Para realizar los próximos pasos, conéctate mediante SSH a la instancia que se te aprovisionó.

1. En el menú de navegación, selecciona Compute Engine. Deberías ver una linux-instance en la ventana de Instancias de VM.

2. Haz clic en el botón SSH que se encuentra junto a la linux-instance. Se te redireccionará a una shell interactiva.

3. En la línea de comandos, ingresa lo siguiente y, luego, reemplaza <YOUR_API_KEY> por la clave de API que copiaste a partir de la generada con anterioridad.

export API_KEY=<YOUR_API_KEY>

Permanece en esta sesión de SSH durante el resto del lab.

Tarea 2: Crea tu solicitud a la API de Speech-to-Text

Nota: Utilizarás un archivo grabado con anterioridad que se encuentra disponible en Cloud Storage: gs://cloud-samples-tests/speech/brooklyn.flac. Escucha el archivo de audio antes de enviarlo a la API de Speech-to-Text.

1. Crea request.json en la línea de comandos de SSH. Lo utilizarás para crear la solicitud a la API de Speech-to-Text:

touch request.json

2. Abre request.json:

nano request.json Nota: Puedes usar el editor de línea de comandos que prefieras (nano, vim, emacs) o gcloud. En este lab se proporcionan instrucciones para nano.

3. Agrega lo siguiente al archivo request.json, con el valor de uri del archivo de audio sin procesar de muestra:

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

4. Presiona Ctrl + x, y para guardar el archivo request.json e Intro para cerrarlo.

El cuerpo de la solicitud tiene un objeto config y otro audio.

En config, le indicas a la API de Speech-to-Text cómo procesar la solicitud. El parámetro encoding le indica a la API qué tipo de codificación de audio estás usando mientras el archivo se envía a la API. FLAC es el tipo de codificación para los archivos sin procesar. Obtén más información sobre los tipos de codificación en la Guía de RecognitionConfig.

Hay otros parámetros que puedes agregar al objeto config, pero encoding es el único obligatorio.

En el objeto audio, se le pasa a la API el URI del archivo de audio en Cloud Storage.

Haz clic en Revisar mi progreso para verificar el objetivo.

Crear tu solicitud a la API de Speech-to-Text

Ahora, ya tienes todo para llamar a la API de Speech-to-Text.

Tarea 3: Llama a la API de Speech-to-Text

1. Pasa el cuerpo de la solicitud, junto con la variable de entorno de la clave de API, a la API de Speech-to-Text con el siguiente comando curl (todo en una sola línea de comandos):

curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json \ "https://speech.googleapis.com/v1/speech:recognize?key=${API_KEY}"

La respuesta debería ser similar a la siguiente:

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

El valor transcript devolverá la transcripción de texto que la API de Speech-to-Text realizó del archivo de audio, mientras que el valor confidence indicará qué tan segura está la API de haber transcrito el audio de forma correcta.

Notarás que llamaste al método syncrecognize en la solicitud anterior. La API de Speech-to-Text admite la transcripción de voz a texto síncrona y la asíncrona. En este ejemplo, enviaste un archivo de audio completo, pero también puedes utilizar el método syncrecognize para realizar una transcripción de voz a texto a partir de una transmisión de audio, mientras el usuario aún está hablando.

Creaste una solicitud a la API de Speech-to-Text y, luego, llamaste a esa API.

2. Ejecuta el siguiente comando para guardar la respuesta en un archivo result.json:

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

Haz clic en Revisar mi progreso para verificar el objetivo.

Llamar a la API de Speech-to-Text

¡Felicitaciones!

Usaste la API de Speech-to-Text para recuperar una transcripción de un archivo de audio de entrada.

Próximos pasos y más información

Este lab también forma parte de una serie de labs denominada Qwik Starts. Estos labs están diseñados para ofrecerte una visión general de las numerosas funciones disponibles en Google Cloud. Busca “Qwik Starts” en el catálogo de labs para elegir el próximo lab que desees completar.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 13 de febrero de 2024

Prueba más reciente del lab: 13 de octubre de 2023

Copyright 2024 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.