Chirp: Modelo de voz universal

Chirp es la próxima generación de modelos de voz a texto de Google. Como la culminación de años de investigación, ya está disponible la primera versión de Chirp para Speech-to-Text. Queremos mejorar y expandir Chirp a más idiomas y dominios. Para conocer más detalles, consulta nuestro informe, Google USM.

Entrenamos modelos de Chirp con una arquitectura diferente a la de nuestros modelos de voz actuales. Un solo modelo unifica los datos de varios idiomas. Sin embargo, los usuarios deben especificar el idioma en el que el modelo debe reconocer la voz. Chirp no admite algunas de las funciones de Google Speech que tienen otros modelos. Consulta la siguiente lista completa.

Identificadores de modelo

Chirp está disponible en la API de Cloud Speech-to-Text v2. Puedes aprovecharlo como cualquier otro modelo.

El identificador de modelo para Chirp es: chirp.

Puedes especificar este modelo mientras creas un reconocedor o intercalado en solicitudes de reconocimiento síncronas o por lotes.

Métodos de la API disponibles

Chirp procesa la voz en fragmentos mucho más grandes que los de otros modelos. Esto significa que podría no ser adecuado para su uso en tiempo real. Chirp está disponible a través de los siguientes métodos de API:

• v2 Speech.Recognize (bueno para audio corto <1 min)
• v2 Speech.BatchRecognize (bueno para audio largo de 1 minuto a 8 horas)

Chirp no está disponible en los siguientes métodos de API:

• v2 Speech.StreamingRecognize
• v1 Speech.StreamingRecognize
• v1 Speech.Recognize
• v1 Speech.LongRunningRecognize
• v1p1beta1 Speech.StreamingRecognize
• v1p1beta1 Speech.Recognize
• v1p1beta1 Speech.LongRunningRecognize

Regiones

Chirp está disponible en las siguientes regiones:

• us-central1
• europe-west4
• asia-southeast1

Para obtener más información, consulta la página de idiomas.

Lenguajes

Puedes ver los idiomas compatibles en la lista completa de idiomas.

Compatibilidad y limitaciones de funciones

Actualmente, Chirp no admite muchas de las características de la API de STT. Consulta la información que aparece a continuación para conocer las restricciones específicas.

• Puntuaciones de confianza: La API muestra un valor, pero no es realmente una puntuación de confianza.
• Adaptación de voz: No se admiten funciones de adaptación.
• Identificación: No se admite la identificación automática.
• Normalización forzada: No admitida.
• Confianza a nivel de palabra: No admitida.
• Detección de idioma: No admitida.

Chirp admite las siguientes características:

• Puntuación automática: El modelo predice la puntuación. Se puede inhabilitar.
• Tiempos de palabras: Se muestran de forma opcional.
• Transcripción de audio independiente del idioma: El modelo infiere de manera automática el idioma hablado en tu archivo de audio y lo agrega a los resultados.

Antes de comenzar

1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

2. En la página del selector de proyectos de la consola de Google Cloud, selecciona o crea un proyecto de Google Cloud.

   Ir al selector de proyectos

3. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

4. Habilita las API de Speech-to-Text.

   Habilita las API

5. Asegúrate de tener los siguientes roles en el proyecto: Cloud Speech Administrator

   Verifica los roles

   1. En la consola de Google Cloud, ve a la página IAM.

      Ir a IAM
   2. Selecciona el proyecto.

   3. En la columna Principal, busca la fila que tiene tu dirección de correo electrónico.

      Si tu dirección de correo electrónico no está en esa columna, no tienes ningún rol.

   4. En la columna Función de la fila con la dirección de correo electrónico, verifica si la lista de roles incluye los roles necesarios.

   Otorga los roles

   1. En la consola de Google Cloud, ve a la página IAM.

      Ir a IAM
   2. Selecciona el proyecto.
   3. Haz clic en person_addGrant access.
   4. En el campo Principales nuevas, ingresa tu dirección de correo electrónico.
   5. En la lista Seleccionar un rol, elige un rol.
   6. Para otorgar funciones adicionales, haz clic en add Agregar otro rol y agrega cada rol adicional.
   7. Haz clic en Guardar.
6. Instala Google Cloud CLI.

7. Para inicializar la CLI de gcloud, ejecuta el siguiente comando:

   gcloud init

8. En la página del selector de proyectos de la consola de Google Cloud, selecciona o crea un proyecto de Google Cloud.

   Ir al selector de proyectos

9. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

10. Habilita las API de Speech-to-Text.

    Habilita las API

11. Asegúrate de tener los siguientes roles en el proyecto: Cloud Speech Administrator

    Verifica los roles

    1. En la consola de Google Cloud, ve a la página IAM.

       Ir a IAM
    2. Selecciona el proyecto.

    3. En la columna Principal, busca la fila que tiene tu dirección de correo electrónico.

       Si tu dirección de correo electrónico no está en esa columna, no tienes ningún rol.

    4. En la columna Función de la fila con la dirección de correo electrónico, verifica si la lista de roles incluye los roles necesarios.

    Otorga los roles

    1. En la consola de Google Cloud, ve a la página IAM.

       Ir a IAM
    2. Selecciona el proyecto.
    3. Haz clic en person_addGrant access.
    4. En el campo Principales nuevas, ingresa tu dirección de correo electrónico.
    5. En la lista Seleccionar un rol, elige un rol.
    6. Para otorgar funciones adicionales, haz clic en add Agregar otro rol y agrega cada rol adicional.
    7. Haz clic en Guardar.
12. Instala Google Cloud CLI.

13. Para inicializar la CLI de gcloud, ejecuta el siguiente comando:

    gcloud init

Las bibliotecas cliente pueden usar las credenciales predeterminadas de la aplicación para autenticarse fácilmente con las APIs de Google y enviar solicitudes a esas API. Con las credenciales predeterminadas de la aplicación, puedes probar tu aplicación de forma local y, luego, implementarla sin cambiar el código subyacente. Para obtener más información, consulta <atrack-type="commonincludes" l10n-attrs-original-order="href,track-type,track-name" l10n-encrypted-href="WDE63JFVMK0YqIWBqG8nCycgwkRfOeEqRvzYs1N+2tJUEhcZvE5VtDH5LoWw0lj/" track-name="referenceLink"> Se autentica para usar las bibliotecas cliente.</atrack-type="commonincludes">

14. Crea credenciales de autenticación locales para tu Cuenta de Google:

    gcloud auth application-default login

También asegúrate de haber instalado la biblioteca cliente.

Realiza reconocimiento de voz síncrono con Chirp

El siguiente es un ejemplo de cómo realizar un reconocimiento de voz síncrono en un archivo de audio local con Chirp:

from google.api_core.client_options import ClientOptions
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

def transcribe_chirp(
    project_id: str,
    audio_file: str,
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file using Chirp."""
    # Instantiates a client
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint="us-central1-speech.googleapis.com",
        )
    )

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        content = f.read()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["en-US"],
        model="chirp",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{project_id}/locations/us-central1/recognizers/_",
        config=config,
        content=content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")

    return response

Realiza una solicitud con la transcripción independiente del idioma habilitada

En las siguientes muestras de código, se explica cómo realizar una solicitud con una transcripción independiente del lenguaje habilitada.

from google.api_core.client_options import ClientOptions
from google.cloud.speech_v2 import SpeechClient
from google.cloud.speech_v2.types import cloud_speech

def transcribe_chirp_auto_detect_language(
    project_id: str,
    audio_file: str,
    region: str = "us-central1",
) -> cloud_speech.RecognizeResponse:
    """Transcribe an audio file and auto-detect spoken language using Chirp.

    Please see http://cloud.go888ogle.com.fqhub.com/speech-to-text/v2/docs/encoding for more
    information on which audio encodings are supported.
    """
    # Instantiates a client
    client = SpeechClient(
        client_options=ClientOptions(
            api_endpoint=f"{region}-speech.googleapis.com",
        )
    )

    # Reads a file as bytes
    with open(audio_file, "rb") as f:
        content = f.read()

    config = cloud_speech.RecognitionConfig(
        auto_decoding_config=cloud_speech.AutoDetectDecodingConfig(),
        language_codes=["auto"],  # Set language code to auto to detect language.
        model="chirp",
    )

    request = cloud_speech.RecognizeRequest(
        recognizer=f"projects/{project_id}/locations/{region}/recognizers/_",
        config=config,
        content=content,
    )

    # Transcribes the audio into text
    response = client.recognize(request=request)

    for result in response.results:
        print(f"Transcript: {result.alternatives[0].transcript}")
        print(f"Detected Language: {result.language_code}")

    return response

Comienza a usar Chirp en la consola de Google Cloud

1. Asegúrate de haberte registrado en una cuenta de Google Cloud y creado un proyecto.
2. Ve a Speech en la consola de Google Cloud.
3. Habilita la API si aún no está habilitada.

4. Crea un reconocedor de STT que use Cirp. Ve a la pestaña Reconocimientos y haz clic en Crear.

   

   b. En la página Crear reconocedor, ingresa los campos necesarios para Chirp.

   

   i. Asigna un nombre al reconocedor.

   ii. Selecciona Chirp como modelo.

   iii. Selecciona el idioma que deseas usar. Debes usar un reconocedor por idioma que desees probar.

   iv. No selecciones ninguna otra función.

5. Asegúrate de tener un lugar de trabajo de la IU de STT. Si aún no tienes uno, debes crear un lugar de trabajo. Visita la página de transcripciones y haz clic en Transcripción nueva.

   b. Abre el menú desplegable Lugar de trabajo y haz clic en Nuevo lugar de trabajo para crear un lugar de trabajo de transcripción.

   c. Desde la barra lateral de navegación Crear un lugar de trabajo nuevo, haz clic en Explorar.

   d. Haz clic para crear un bucket nuevo.

   e. Ingresa un nombre para tu bucket y haz clic en Continuar.

   f. Haz clic en Crear para crear un bucket de Cloud Storage.

   g. Una vez que se haya creado el bucket, haz clic en Seleccionar para seleccionar su bucket.

   h. Haz clic en Crear para terminar de crear tu lugar de trabajo para la IU de voz a texto.

6. Realiza una transcripción en tu audio real.

   

   a. En la página Nueva transcripción, selecciona el archivo de audio mediante la carga (Carga local) o especificando un archivo de Cloud Storage existente (Cloud Storage). Nota: La IU intenta evaluar automáticamente los parámetros de tu archivo de audio.

   b. Haz clic en Continuar para pasar a las Opciones de transcripción.

   

   c. Selecciona el lenguaje de voz que planeas usar para el reconocimiento con Chirp de tu reconocedor creado previamente.

   d. En el menú desplegable del modelo, selecciona Chirp - Modelo de voz universal.

   e. En el menú desplegable Reconocimiento, selecciona el reconocedor que creaste recientemente.

   f. Haz clic en Enviar para ejecutar tu primera solicitud de reconocimiento mediante Chirp.

7. Visualiza el resultado de tu transcripción de Chirp. a. En la página Transcripciones, haz clic en el nombre de la transcripción para ver su resultado.

   b. En la página Detalles de la transcripción, visualiza el resultado de la transcripción. También tienes la opción de reproducir el audio en el navegador.

Limpia

Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos que usaste en esta página.

1. Opcional: Revoca las credenciales de autenticación que creaste y borra el archivo local de credenciales.

   gcloud auth application-default revoke

2. Opcional: Revoca credenciales desde gcloud CLI.

   gcloud auth revoke

gcloud projects delete PROJECT_ID

¿Qué sigue?

• Practica transcribir archivos de audio cortos.
• Obtén más información sobre cómo transcribir audio con transmisión continua.
• Obtén información sobre cómo transcribir archivos de audio largos.
• Para mejorar el rendimiento y la exactitud, así como ver otras sugerencias, consulta la documentación de prácticas recomendadas.