GSP119

概览

借助 Speech-to-Text API，可以轻松将 Google 语音识别技术集成到开发者应用中。向 Speech-to-Text API 服务发送音频，即可收到转写成的文字。

学习内容

在本实验中，您将学习如何完成以下操作：

• 创建 API 密钥
• 创建 Speech-to-Text API 请求
• 调用 Speech-to-Text API

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。我们会为您提供新的临时凭据，让您可以在实验规定的时间内用来登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：如果您已有自己的个人 Google Cloud 账号或项目，请不要在此实验中使用，以避免您的账号产生额外的费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个弹出式窗口供您选择付款方式。左侧是实验详细信息面板，其中包含以下各项：

   • 打开 Google Cloud 控制台按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示登录页面。

   提示：请将这些标签页安排在不同的窗口中，并将它们并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在实验详细信息面板中找到用户名。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在实验详细信息面板中找到密码。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本次实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于该账号为临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需查看列有 Google Cloud 产品和服务的菜单，请点击左上角的导航菜单。

任务 1. 创建 API 密钥

由于您将使用 curl 向 Speech-to-Text API 发送请求，因此需要生成 API 密钥来传入请求网址。

1. 要创建 API 密钥，请依次点击导航菜单 > API 和服务 > 凭据。

2. 然后点击创建凭据。

3. 在下拉菜单中选择 API 密钥。

4. 复制您刚刚生成的密钥，然后点击关闭。

点击检查我的进度以验证是否完成了以下目标：

创建 API 密钥

现在您已经有了 API 密钥，可以将其保存为一个环境变量，这样就不必在每个请求中都插入该 API 密钥的值。

要执行后续步骤，请使用 SSH 连接到为您预配的实例。

1. 在导航菜单中，选择 Compute Engine。您应该会看到 VM 实例窗口中列出了 linux-instance。

2. 点击 linux-instance 所在行的 SSH 按钮。您将转跳至一个交互式 shell。

3. 在命令行中，输入以下内容，并将 <YOUR_API_KEY> 替换为之前生成的 API 密钥：

export API_KEY=<YOUR_API_KEY>

在本实验的剩余步骤中请不要离开该 SSH 会话。

任务 2. 创建 Speech-to-Text API 请求

注意：您会用到 Cloud Storage 中预先录制的文件：gs://cloud-samples-tests/speech/brooklyn.flac。 先听一听该音频文件，然后再将其发送到 Speech-to-Text API。

1. 在 SSH 命令行中创建 request.json。您将使用此文件构建发送至 Speech-to-Text API 的请求：

touch request.json

2. 打开 request.json：

nano request.json 注意： 您可以使用自己首选的命令行编辑器（nano、vim、emacs）或 gcloud。本实验提供的说明适用于 nano。

3. 将以下内容添加到 request.json 文件中，并使用原始音频样本文件的 uri 值：

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

4. 按 control + x，再按 y 保存，最后按 Enter 键关闭 request.json 文件。

请求正文包含 config 和 audio 对象。

config 用于告诉 Speech-to-Text API 如何处理请求。encoding 参数的用途是在向 API 发送文件时，告诉 API 您使用的是哪种类型的音频编码。FLAC 是 .raw 文件的编码类型。如需详细了解编码类型，请参阅 RecognitionConfig 指南。

您还可以向 config 对象添加其他参数，但只有 encoding 是必须提供的。

audio 对象用于向 API 传递 Cloud Storage 中音频文件的 URI。

点击检查我的进度以验证是否完成了以下目标：

创建 Speech-to-Text API 请求

现在，您可以开始调用 Speech-to-Text API 了！

任务 3. 调用 Speech-to-Text API

1. 使用以下 curl 命令（所有内容均包含在一个命令行中），将请求正文和 API 密钥环境变量传递给 Speech-to-Text API：

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

返回的内容应如下所示：

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

transcript 值返回的是 Speech-to-Text API 将音频文件转写成的文字，而 confidence 值代表 API 对音频转写准确性的置信度。

您会发现，以上请求调用了 syncrecognize 方法。Speech-to-Text API 同时支持同步和异步语音转文字转写。本例中发送的是完整的音频文件，不过，您也可以使用 syncrecognize 方法，在用户讲话的同时进行流式语音转文字转写。

您创建了 Speech-to-Text API 请求，然后调用了 Speech-to-Text API。

2. 运行以下命令，将返回的内容保存到 result.json 文件。

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

点击检查我的进度以验证是否完成了以下目标：

调用 Speech-to-Text API

恭喜！

您使用 Speech-to-Text API 检索了一个输入音频文件的转写内容

后续步骤/了解详情

本实验是 Qwik Starts 系列实验的其中一项。通过这些实验，您可以一窥 Google Cloud 的诸多功能。请在实验目录中搜索“Qwik Starts”，找到您要参与的下一项实验！

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2024 年 2 月 13 日

上次测试实验的时间：2023 年 10 月 13 日

版权所有 2024 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。