iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 23
0
Google Developers Machine Learning

Overview of Machine Learning Products系列 第 23

[Day 23] Google Cloud Speech-to-Text - 子系列最終章

因為這邊沒有AutoML的關係,所以今天是Speech-to-Text的最後一篇。

在doc文件裡的這篇是介紹如何使用Mic直接stream翻譯成文字,但我docker環境沒特別access host的mic,所以沒有測試這段。

中文Speech-to-Text

仔細測了一下,昨天的範例無法直接串接中文語音轉文字,原來是因為昨天使用的版本是v1,但中文相關的分析必須使用v1p1beta1,另一個原因是之前的檔案try.m4a一直測試都無法讀取,我把他轉為try.mp3以後,才可以順利解析。

有了這些解釋以後,我們來看看這次的code:

import (
  "context"
  "fmt"
  "io/ioutil"
  "log"

  speech "cloud.google.com/go/speech/apiv1p1beta1" //v1p1beta1
  speechpb "google.golang.org/genproto/googleapis/cloud/speech/v1p1beta1" //v1p1beta1
)

func ChineseSpeech(filename string) {
  ctx := context.Background()

  // Creates a client.
  client, err := speech.NewClient(ctx)
  if err != nil {
    log.Fatalf("Failed to create client: %v", err)
  }

  // Reads the audio file into memory.
  data, err := ioutil.ReadFile(filename)
  if err != nil {
    log.Fatalf("Failed to read file: %v", err)
  }

  // Detects speech in the audio file.
  resp, err := client.Recognize(ctx, &speechpb.RecognizeRequest{
    Config: &speechpb.RecognitionConfig{
      Encoding:             speechpb.RecognitionConfig_MP3,
      SampleRateHertz:      16000,
      LanguageCode:         "zh-TW",
      EnableWordConfidence: true,
    },
    Audio: &speechpb.RecognitionAudio{
      AudioSource: &speechpb.RecognitionAudio_Content{Content: data},
    },
  })
  if err != nil {
    log.Fatalf("failed to recognize: %v", err)
  }

  // Prints the results.
  for _, result := range resp.Results {
    for _, alt := range result.Alternatives {
      fmt.Printf("\"%v\" (confidence=%3f)\n", alt.Transcript, alt.Confidence)
      for _, word := range alt.Words {
        fmt.Printf("\t\"%v\" (confidence=%3f)\n", word.Word, word.Confidence)
      }
    }
  }
}

最上端的Import改為v1p1beta1以後,Encoding的部分也改成RecognitionConfig_MP3(這邊只有v1p1beta1有),當然LanguageCode要改zh-TW,這樣就能順利解析中文了。
但我後面又多了一個EnableWordConfidence,這是什麼呢?在這邊解釋是他可以針對每個字回傳可信度,出來就會變下圖:
output

每個字都有各自的可信度,不過都一樣也是怪怪的...,我們來看看英文是不是也一樣:
output

可以看出來英文的每個可信度不一樣,這樣才比較正常。看來中文的部分可能還是有些問題,但不確定是不是參數影響的關係。

OK,今天的文章就到這邊,颱風假希望大家為了自己的安全好,沒特別的事情別出門。謝謝大家的觀看。

今天的code可以看github:https://github.com/josephMG/ithelp-2019/tree/Day-23


上一篇
[Day 22] Google Cloud Speech-to-Text - 2
下一篇
[Day 24] Google Dialogflow - 1
系列文
Overview of Machine Learning Products30

尚未有邦友留言

立即登入留言