跳至主要內容

Google 語音轉文字音訊轉錄

SpeechToTextLoader 允許使用 Google Cloud Speech-to-Text API 轉錄音訊檔案，並將轉錄文字載入到文件中。

要使用它，您應該安裝 google-cloud-speech Python 套件，並且擁有啟用 Speech-to-Text API 的 Google Cloud 專案。

安裝與設定​

首先，您需要安裝 google-cloud-speech Python 套件。

您可以在 Speech-to-Text 客戶端程式庫 頁面上找到更多相關資訊。

請依照 Google Cloud 文件中的快速入門指南來建立專案並啟用 API。

%pip install --upgrade --quiet langchain-google-community[speech]

範例​

SpeechToTextLoader 必須包含 project_id 和 file_path 參數。音訊檔案可以指定為 Google Cloud Storage URI（gs://...）或本機檔案路徑。

載入器僅支援同步請求，每個音訊檔案的限制為 60 秒或 10MB。

from langchain_google_community import SpeechToTextLoader

project_id = "<PROJECT_ID>"
file_path = "gs://cloud-samples-data/speech/audio.flac"
# or a local file path: file_path = "./audio.wav"

loader = SpeechToTextLoader(project_id=project_id, file_path=file_path)

docs = loader.load()
API 參考：SpeechToTextLoader

注意：呼叫 loader.load() 會阻塞，直到轉錄完成。

轉錄的文字可在 page_content 中取得

docs[0].page_content
"How old is the Brooklyn Bridge?"

metadata 包含完整的 JSON 回應，其中包含更多元資訊

docs[0].metadata
{
  'language_code': 'en-US',
  'result_end_offset': datetime.timedelta(seconds=1)
}

辨識配置 (Recognition Config)​

您可以指定 config 參數來使用不同的語音辨識模型並啟用特定功能。

請參閱 Speech-to-Text 辨識器文件和 RecognizeRequest API 參考，以取得有關如何設定自訂設定的資訊。

如果您沒有指定 config，則會自動選擇以下選項

from google.cloud.speech_v2 import (
    AutoDetectDecodingConfig,
    RecognitionConfig,
    RecognitionFeatures,
)
from langchain_google_community import SpeechToTextLoader

project_id = "<PROJECT_ID>"
location = "global"
recognizer_id = "<RECOGNIZER_ID>"
file_path = "./audio.wav"

config = RecognitionConfig(
    auto_decoding_config=AutoDetectDecodingConfig(),
    language_codes=["en-US"],
    model="long",
    features=RecognitionFeatures(
        enable_automatic_punctuation=False,
        profanity_filter=True,
        enable_spoken_punctuation=True,
        enable_spoken_emojis=True,
    ),
)

loader = SpeechToTextLoader(
    project_id=project_id,
    location=location,
    recognizer_id=recognizer_id,
    file_path=file_path,
    config=config,
)
API 參考：SpeechToTextLoader

此頁面是否有幫助？