Skip to main content
Open In ColabOpen on GitHub

Google 语音转文本音频记录

SpeechToTextLoader 允许使用 Google Cloud 语音转文本 API 转录音频文件，并将转录的文本加载到文档中。

要使用它，您应该已安装 google-cloud-speech Python 软件包，并拥有一个已启用 语音转文本 API 的 Google Cloud 项目。

安装和设置​

首先，你需要安装 google-cloud-speech Python 包。

你可以在 Speech-to-Text 客户端库 页面找到更多相关信息。

请按照 Google Cloud 文档中的 快速入门指南 来创建项目并启用 API。

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

示例​

SpeechToTextLoader 必须包含 project_id 和 file_path 参数。音频文件可以指定为 Google Cloud Storage URI (gs://...) 或本地文件路径。

该加载器仅支持同步请求，对于每个音频文件，其限制为 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 Reference:SpeechToTextLoader

注意：调用 loader.load() 会阻塞直到转录完成。

转录的文本在 page_content 中可用：

docs[0].page_content
“布鲁克林大桥有多老？”

metadata 包含完整的 JSON 响应，其中包含更多元信息：

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

识别配置​

您可以指定 config 参数来使用不同的语音识别模型并启用特定功能。

有关如何设置自定义配置的信息，请参阅 Speech-to-Text recognizers 文档 和 RecognizeRequest API 参考。

如果未指定 config，将自动选择以下选项：

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 Reference:SpeechToTextLoader