使用谷歌Cloud Speech API將語音轉換爲文字

Google Cloud Speech API是由谷歌雲平臺提供的，利用機器學習技術將語音轉換爲文字的服務。這個API能識別超過80種語言和語言變體，包括中文、日語、英語甚至廣東話。此次，我總結了使用Google Cloud Speech API的基本流程。

花5秒鐘試用Cloud Speech API吧

在Cloud Speech API概覽頁，咱們能夠體驗將語音轉換爲文字的效果。只須要選擇一種語言便可開始使用，甚至不須要登陸谷歌帳號。（加載出來須要一些時間）

在項目中添加API

使用Cloud Speech API須要登陸谷歌雲平臺並申請免費試用，申請試用谷歌雲平臺的流程能夠參考這篇文章 。

咱們假定你可以使用谷歌雲平臺，而且已經建立了一個項目，下面介紹如何把Cloud Speech API添加到項目中。

點擊控制檯左上角的 ☰ 打開導航欄，找到 API和服務 → 庫 。

在搜索框中鍵入 Speech 便可找到 Cloud Speech API 。

打開API頁面，點擊 啓用 。

建立API密鑰

回到以前的頁面，選擇 憑據 → 建立憑據 → API密鑰 。

立刻 API密鑰 就建立好了，雖然隨時都能在這個頁面查詢，但爲了方便起見，將其記錄下來備用吧，很快就要用到它。

限制密鑰 選項默認狀況下應該是「無」，此次只是試着使用API，保持默認「無」便可。

準備聲音文件

雖然有些麻煩，可是接下來咱們要準備聲音文件。Cloud Speech API沒辦法直接識別mp三、mp4中的聲音，咱們須要準備FLAC、WAV格式的音頻。並且僅支持單聲道音頻，因此通常都須要轉碼之類的工做。

詳細的聲音文件要求參見：AudioEncoding | Google Cloud Speech API

基於上述狀況，我讀了下面這段文稿，並製成了FLAC格式（單聲道）的聲音文件。是用手機麥克風進行錄音的，質量通常(´・ω・｀) 是否能夠正確識別呢？

voice.flac

寄蜉蝣於天地，渺滄海之一粟。哀吾生之須臾，羨長江之無窮。挾飛仙以遨遊，抱明月而長終。

《赤壁賦》

將聲音文件上傳到Cloud Storage

若是要使用Cloud Speech API識別本地聲音文件，必須將音頻文件編碼爲base64，而後嵌入到稍後將建立的json請求文件中，這雖然可行但並不方便。若是你想使用這種方法，請參考：Embedding Base64 encoded audio | Google Cloud Speech API

咱們將使用另外一種方案，將聲音文件上傳到Google Cloud Storage。

點擊控制檯左上角的 ☰ 打開導航欄，找到 存儲 → 瀏覽器 。

點擊 建立存儲分區 。

輸入合適的 存儲分區名稱，後文將要用到。默認存儲類別選擇"Multi-Regional"，Multi-Regional位置選擇"亞洲"。點擊 建立 。

點擊 上傳文件 ，上傳聲音文件，勾選 公開連接 。（該音頻將能被任何人訪問，請注意）

2018年10月18日更新：
剛看了一下，頁面有所改變，暫時沒找到公開單個音頻文件的方法。
你能夠這樣作，把整個存儲分區公開：
導航欄→存儲→瀏覽器→存儲分區最後有個選項，點開來→修改存儲分區權限→「添加成員」填「allUsers」，「角色」選「存儲對象查看者」→添加
注意：這樣該分區內全部內容均可能被任何人訪問到

另外，請記住上傳文件的 文件名 ，後文將用到。

將語音轉換爲文字

終於，可使用Cloud Speech API將語音轉換爲文字了。

首先，咱們新建一個json格式的請求文件（request.json）。文件名無特殊要求。

{
  "config":
  {
    "encoding":"FLAC",
    "languageCode":"cmn-Hans-CN"
  },

  "audio":
  {
    "uri":"gs://存儲分區名稱/文件名"
  }
}

注意3個地方：

cmn-Hans-CN ：表示識別語言爲中文普通話。經常使用的還有American English (en-US)、British English (en-GB)、日本語(ja-JP)、廣東話(yue-Hant-HK)。更多語言支持能夠在Language Support | Google Cloud Speech API查詢。

存儲分區名稱 ：剛纔是否有記錄下來呢？若是沒有記住能夠點擊控制檯左上角的 ☰ 打開導航欄，找到 存儲 → 瀏覽器 查看。

文件名 ：存儲在Cloud Storage中的音頻文件名，能夠在存儲分區中查看。

最後，咱們使用curl命令（Windows平臺需另外安裝）向Cloud Speech API發出請求。

cd到json請求文件所在目錄。

curl -H "Content-Type: application/json" -d @ request.json "https://speech.googleapis.com/v1/speech:recognize?key= API密鑰"

注意2個加粗處：

request.json ：json請求文件的文件名。

API密鑰 ：替換爲你記錄下來的API密鑰。若是沒有記下來，能夠點擊控制檯左上角的 ☰ 打開導航欄，找到 API和服務 → 憑據 查看。

獲得結果：

能夠看到返回結果也是json格式的數據。"confidence"是置信度，越接近1準確性越高。

小結

第一次嘗試語音識別服務，獲得結果的時候很開心。或許有人會驚訝上例語音識別的準確性，但正如文章開頭所說「Cloud Speech API是利用機器學習技術將語音轉換爲文字的服務」，像上例中這樣的俗語、名著甚至是歌詞，準確率都出奇地高。若是你錄製一段平常語音交給Cloud Speech API識別，結果就不那麼滿意了。

最後，此次只是使用curl命令在LX終端得到了識別結果，下次將會總結如何在編程語言中使用Cloud Speech API。

感謝你閱讀文章！