Chirp: modello vocale universale

Chirp è la nuova generazione di modelli di conversione della voce in testo di Google. Il culmine di anni di ricerche, la prima versione di Chirp è ora disponibile per Speech-to-Text. Intendiamo migliorare Chirp e estenderlo a più lingue e domini. Per i dettagli, consulta il nostro articolo, Google USM.

Abbiamo addestrato i modelli Chirp con un'architettura diversa rispetto ai nostri attuali modelli vocali. Un singolo modello unifica i dati di più lingue. Tuttavia, gli utenti specificano comunque la lingua in cui il modello deve riconoscere la voce. Chirp non supporta alcune delle funzionalità di Google Speech di altri modelli. Di seguito è riportato un elenco completo.

Identificatori dei modelli

Chirp è disponibile nell'API Speech-to-Text v2. Puoi sfruttarlo come qualsiasi altro modello.

L'identificatore del modello per Chirp è: chirp.

Puoi specificare questo modello durante la creazione di un riconoscimento oppure in linea nelle richieste di riconoscimento sincrone o batch.

Metodi API disponibili

Chirp elabora la voce in blocchi molto più grandi rispetto agli altri modelli, pertanto potrebbe non essere adatto per un uso reale in tempo reale. Chirp è disponibile tramite i seguenti metodi API:

• v2 Speech.Recognize (valido per audio breve < 1 min)
• v2 Speech.BatchRecognize (valido per audio lungo da 1 min a 8 ore)

Chirp non è disponibile con i seguenti metodi API:

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

Regioni

Chirp è disponibile nelle seguenti regioni:

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

Consulta la pagina delle lingue per ulteriori informazioni.

Linguaggi

Puoi vedere le lingue supportate nell'elenco delle lingue complete.

Supporto e limitazioni delle funzionalità

Chirp al momento non supporta molte delle funzionalità dell'API STT. Vedi sotto per conoscere le restrizioni specifiche.

• Punteggi di affidabilità: l'API restituisce un valore, ma non è veramente un punteggio di confidenza.
• Adattamento vocale: nessuna funzionalità di adattamento supportata.
• Diarizzazione: la diarizzazione automatica non è supportata.
• Normalizzazione forzata: non supportata.
• Confidenza a livello di parola: non supportata.
• Rilevamento della lingua: non supportato.

Chirp supporta le seguenti funzionalità:

• Punteggiatura automatica: la punteggiatura viene prevista dal modello. Può essere disattivato.
• Tempi delle parole: vengono restituiti facoltativamente.
• Trascrizione audio indipendente dalla lingua: il modello deduce automaticamente la lingua parlata nel file audio e la aggiunge ai risultati.

Prima di iniziare

1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

2. Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

   Vai al selettore progetti

3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

4. Abilita le API Speech-to-Text.

   Abilita le API

5. Assicurati di disporre dei seguenti ruoli nel progetto: Cloud Speech Administrator

   Verifica i ruoli

   1. Nella console Google Cloud, vai alla pagina IAM.

      Vai a IAM
   2. Seleziona il progetto.

   3. Nella colonna Entità, individua la riga contenente il tuo indirizzo email.

      Se il tuo indirizzo email non è in questa colonna, significa che non disponi di alcun ruolo.

   4. Nella colonna Ruolo per la riga contenente il tuo indirizzo email, controlla se l'elenco dei ruoli include quelli richiesti.

   Concedi i ruoli

   1. Nella console Google Cloud, vai alla pagina IAM.

      Vai a IAM
   2. Seleziona il progetto.
   3. Fai clic su person_add Concedi l'accesso.
   4. Nel campo Nuove entità, inserisci il tuo indirizzo email.
   5. Nell'elenco Seleziona un ruolo, scegli un ruolo.
   6. Per concedere altri ruoli, fai clic su add Aggiungi un altro ruolo e aggiungi ciascun ruolo aggiuntivo.
   7. Fai clic su Salva.
6. Installa Google Cloud CLI.

7. Per initialize gcloud CLI, esegui questo comando:

   gcloud init

8. Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.

   Vai al selettore progetti

9. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

10. Abilita le API Speech-to-Text.

    Abilita le API

11. Assicurati di disporre dei seguenti ruoli nel progetto: Cloud Speech Administrator

    Verifica i ruoli

    1. Nella console Google Cloud, vai alla pagina IAM.

       Vai a IAM
    2. Seleziona il progetto.

    3. Nella colonna Entità, individua la riga contenente il tuo indirizzo email.

       Se il tuo indirizzo email non è in questa colonna, significa che non disponi di alcun ruolo.

    4. Nella colonna Ruolo per la riga contenente il tuo indirizzo email, controlla se l'elenco dei ruoli include quelli richiesti.

    Concedi i ruoli

    1. Nella console Google Cloud, vai alla pagina IAM.

       Vai a IAM
    2. Seleziona il progetto.
    3. Fai clic su person_add Concedi l'accesso.
    4. Nel campo Nuove entità, inserisci il tuo indirizzo email.
    5. Nell'elenco Seleziona un ruolo, scegli un ruolo.
    6. Per concedere altri ruoli, fai clic su add Aggiungi un altro ruolo e aggiungi ciascun ruolo aggiuntivo.
    7. Fai clic su Salva.
12. Installa Google Cloud CLI.

13. Per initialize gcloud CLI, esegui questo comando:

    gcloud init

Le librerie client possono utilizzare le credenziali predefinite dell'applicazione per autenticarsi facilmente con le API di Google e inviare richieste a queste API. Con Credenziali predefinite dell'applicazione, puoi testare l'applicazione in locale ed eseguirne il deployment senza modificare il codice sottostante. Per ulteriori informazioni, consulta <atrack-type="common generate" l10n-attrs-original-order="href,track-type,track-name" l10n-encrypted-href="WDE63JFVMK0YqIWBqG8nCycgwkRfOeEqRvzYs1N+2tJUEhcZvE5WLink-reference for AuthenticatehcZvE5WLink-reference for Authenticate

14. Crea credenziali di autenticazione locali per il tuo Account Google:

    gcloud auth application-default login

Assicurati inoltre di aver installato la libreria client.

Esecuzione del riconoscimento vocale sincrono con Chirp

Ecco un esempio di riconoscimento vocale sincrono su un file audio locale utilizzando 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

Inviare una richiesta con la trascrizione indipendente dalla lingua abilitata

I seguenti esempi di codice mostrano come effettuare una richiesta con la trascrizione indipendente dalla lingua abilitata.

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

Introduzione a Chirp nella console Google Cloud

1. Assicurati di aver effettuato la registrazione per un account Google Cloud e di aver creato un progetto.
2. Vai a Voce nella console Google Cloud.
3. Abilita l'API se non è già abilitata.

4. Creare un riconoscimento STT che utilizza Chirp. a. Vai alla scheda Riconoscimenti e fai clic su Crea.

   

   b. Dalla pagina Crea Riconoscimento, inserisci i campi necessari per Chirp.

   

   i. Assegna un nome al riconoscimento.

   ii. Seleziona chirp come Modello.

   iii. Seleziona la lingua che vuoi utilizzare. Devi utilizzare un riconoscimento per ogni lingua che intendi testare.

   iv. Non selezionare altre funzionalità.

5. Assicurati di disporre di un'area di lavoro dell'interfaccia utente STT. Se non ne hai già una, devi creare un'area di lavoro. a. Visita la pagina delle trascrizioni e fai clic su Nuova trascrizione.

   b. Apri il menu a discesa Area di lavoro e fai clic su Nuova area di lavoro per creare un'area di lavoro per la trascrizione.

   c. Nella barra laterale di navigazione Crea una nuova area di lavoro, fai clic su Sfoglia.

   d. Fai clic per creare un nuovo bucket.

   . Inserisci un nome per il bucket e fai clic su Continua.

   f. Fai clic su Crea per creare il bucket Cloud Storage.

   g Una volta creato il bucket, fai clic su Seleziona per scegliere il bucket da utilizzare.

   h. Fai clic su Crea per completare la creazione dell'area di lavoro per l'interfaccia utente di conversione della voce in testo.

6. Esegui una trascrizione sull'audio reale.

   

   a. Nella pagina Nuova trascrizione, seleziona il file audio tramite caricamento (caricamento locale) o specificando un file Cloud Storage esistente (Cloud Storage). Nota: l'interfaccia utente tenta di valutare automaticamente i parametri dei file audio.

   b. Fai clic su Continua per passare alle Opzioni di trascrizione.

   

   c. Seleziona la Lingua parlata che intendi utilizzare per il riconoscimento con Chirp dal riconoscimento creato in precedenza.

   d. Nel menu a discesa del modello, seleziona Chirp - Universal Speech Model.

   . Nel menu a discesa Riconoscimento, seleziona il riconoscimento appena creato.

   f. Fai clic su Invia per eseguire la prima richiesta di riconoscimento utilizzando Chirp.

7. Visualizza il risultato della trascrizione Chirp. a. Nella pagina Trascrizioni, fai clic sul nome della trascrizione per visualizzarne il risultato.

   b. Nella pagina Dettagli trascrizione, visualizza il risultato della trascrizione e, facoltativamente, riproduci l'audio nel browser.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.

1. Facoltativo: revoca le credenziali di autenticazione che hai creato ed elimina il file delle credenziali locale.

   gcloud auth application-default revoke

2. Facoltativo: revoca le credenziali dallgcloud CLI.

   gcloud auth revoke

gcloud projects delete PROJECT_ID

Passaggi successivi

• Esercitati a trascrivere file audio brevi.
• Scopri come trascrivere audio in streaming.
• Scopri come trascrivere file audio lunghi.
• Per prestazioni ottimali, precisione e altri suggerimenti, consulta la documentazione sulle best practice.