🧤Speech to Text with Google API

หลายคนคงเคยใช้งาน Speech to Text กันมาบ้างแล้ว ในการแปลงเสียงเป็นข้อความ เช่น Google Translate ซึ่งทาง Google เองก็มี API ให้ใช้งาน มีทั้งแบบฟรีและไม่ฟรีให้ได้ลองเล่นกัน ถ้าไม่เกิน 60 นาที สามารถใช้งานได้ฟรี แต่ถ้าเกินก็จะเสียตัง Cloud Speech to Text Pricing

Requirement

• Google Cloud SDK

• FFmpeg

Get Started

• เข้าไปที่หน้าเว็บ https://cloud.google.com/speech-to-text/docs/quickstart-gcloud แล้วคลิก Set up a project

• ทำการ Create project คลิก Next แล้วคลิก Download private key a JSON

• ทำการติดตั้ง Google Cloud SDK แล้วกำหนดค่า Environment Variable

C:\>

set GOOGLE_APPLICATION_CREDENTIALS="path"

• ทำการรัน Google Speech to Text API โดยขึ้นอยู่กับ Audio Encoding ที่ Support

C:\>

gcloud ml speech recognize gs://cloud-samples-tests/speech/brooklyn.flac --language-code="en-US"

{
  "results": [
    {
      "alternatives": [
        {
          "confidence": 0.9835046,
          "transcript": "how old is the Brooklyn Bridge"
        }
      ]
    }
  ]
}

• ทำการรัน Google Speech to Text API โดยทำการ Upload ไฟล์ไปไว้ใน Google Cloud Storage ของตัวเอง เมื่อรันคำสั่งจะ Return ค่า Operation ID กรณีที่ไฟล์มีความยาวเกิน 1 นาทีให้ใช้คำสั่ง recognize-long-running

C:\>

gcloud ml speech recognize-long-running gs://natthasath/input.flac --language-code="th-TH" --async

Check operation [operations/1267314263370035202] for status.
{
  "name": "1267314263370035202"
}

• ทำการแสดง Metadata ของ Operation ID

C:\>

gcloud ml speech operations describe OPERATION_ID

{
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
    "lastUpdateTime": "2019-07-28T09:14:02.127561Z",
    "progressPercent": 7,
    "startTime": "2019-07-28T09:12:58.526378Z"
  },
  "name": "1267314263370035202"
}

• ทำการแสดง Result ของ Operation ID

gcloud ml speech operations wait OPERATION_ID

Waiting for operation [operations/1267314263370035202] to complete...

อ่านเพิ่มเติม : https://bit.ly/312fabR