이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Python과 함께 Speech-to-Text API 사용

1. 개요

사용하기 간편한 API로 강력한 신경망 모델을 적용하는 Speech-to-Text API를 사용하면 개발자가 오디오를 125개 이상의 언어 및 방언으로 된 텍스트로 변환할 수 있습니다.

이 튜토리얼에서는 Python과 함께 Speech-to-Text API를 사용하는 방법을 중점적으로 살펴봅니다.

학습할 내용

환경을 설정하는 방법
영어로 오디오 파일의 스크립트를 작성하는 방법
단어 타임스탬프가 있는 오디오 파일의 스크립트를 작성하는 방법
다양한 언어로 오디오 파일의 스크립트를 작성하는 방법

필요한 항목

Google Cloud 프로젝트
브라우저(Chrome 또는 Firefox 등)
Python 사용에 관한 지식

설문조사

이 튜토리얼을 어떻게 사용하실 계획인가요?

읽기만 할 계획입니다

읽은 다음 연습 활동을 완료할 계획입니다

귀하의 Python 사용 경험이 어떤지 평가해 주세요.

초급

중급

고급

귀하의 Google Cloud 서비스 경험을 평가해 주세요.

<ph type="x-smartling-placeholder"></ph> 초보자

중급

숙련도

2. 설정 및 요건

자습형 환경 설정

Google Cloud Console에 로그인하여 새 프로젝트를 만들거나 기존 프로젝트를 재사용합니다. 아직 Gmail이나 Google Workspace 계정이 없는 경우 계정을 만들어야 합니다.

프로젝트 이름은 이 프로젝트 참가자의 표시 이름입니다. 이는 Google API에서 사용하지 않는 문자열이며 언제든지 업데이트할 수 있습니다.
프로젝트 ID는 모든 Google Cloud 프로젝트에서 고유하며, 변경할 수 없습니다(설정된 후에는 변경할 수 없음). Cloud 콘솔은 고유한 문자열을 자동으로 생성합니다. 일반적으로는 신경 쓰지 않아도 됩니다. 대부분의 Codelab에서는 프로젝트 ID (일반적으로 PROJECT_ID로 식별됨)를 참조해야 합니다. 생성된 ID가 마음에 들지 않으면 다른 임의 ID를 생성할 수 있습니다. 또는 직접 시도해 보고 사용 가능한지 확인할 수도 있습니다. 이 단계 이후에는 변경할 수 없으며 프로젝트 기간 동안 유지됩니다.
참고로 세 번째 값은 일부 API에서 사용하는 프로젝트 번호입니다. 이 세 가지 값에 대한 자세한 내용은 문서를 참고하세요.

다음으로 Cloud 리소스/API를 사용하려면 Cloud 콘솔에서 결제를 사용 설정해야 합니다. 이 Codelab 실행에는 많은 비용이 들지 않습니다. 이 튜토리얼이 끝난 후에 요금이 청구되지 않도록 리소스를 종료하려면 만든 리소스 또는 프로젝트를 삭제하면 됩니다. Google Cloud 신규 사용자는 300달러(USD) 상당의 무료 체험판 프로그램에 참여할 수 있습니다.

Cloud Shell 시작

Google Cloud를 노트북에서 원격으로 실행할 수도 있지만 이 Codelab에서는 Cloud에서 실행되는 명령줄 환경인 Cloud Shell을 사용합니다.

Cloud Shell 활성화

Cloud Console에서 Cloud Shell 활성화를 클릭합니다.

Cloud Shell을 처음 시작하는 경우 어떤 작업을 수행하는지 설명하는 중간 화면이 표시됩니다. 중간 화면이 표시되면 계속을 클릭합니다.

Cloud Shell을 프로비저닝하고 연결하는 데 몇 분 정도만 걸립니다.

가상 머신에는 필요한 개발 도구가 모두 들어 있습니다. 영구적인 5GB 홈 디렉터리를 제공하고 Google Cloud에서 실행되므로 네트워크 성능과 인증이 크게 개선됩니다. 이 Codelab에서 대부분의 작업은 브라우저를 사용하여 수행할 수 있습니다.

Cloud Shell에 연결되면 인증이 완료되었고 프로젝트가 자신의 프로젝트 ID로 설정된 것을 확인할 수 있습니다.

Cloud Shell에서 다음 명령어를 실행하여 인증되었는지 확인합니다.

gcloud auth list

명령어 결과

 Credentialed Accounts
ACTIVE  ACCOUNT
*       <my_account>@<my_domain.com>

To set the active account, run:
    $ gcloud config set account `ACCOUNT`

Cloud Shell에서 다음 명령어를 실행하여 gcloud 명령어가 프로젝트를 알고 있는지 확인합니다.

gcloud config list project

명령어 결과

[core]
project = <PROJECT_ID>

또는 다음 명령어로 설정할 수 있습니다.

gcloud config set project <PROJECT_ID>

명령어 결과

Updated property [core/project].

3. 환경 설정

Speech-to-Text API를 사용하려면 먼저 Cloud Shell에서 다음 명령어를 실행하여 API를 사용 설정합니다.

gcloud services enable speech.googleapis.com

다음과 같은 결과를 확인할 수 있습니다.

Operation "operations/..." finished successfully.

이제 Speech-to-Text API를 사용할 수 있습니다.

홈 디렉터리로 이동합니다.

cd ~

Python 가상 환경을 만들어 종속 항목을 격리합니다.

virtualenv venv-speech

가상 환경을 활성화합니다.

source venv-speech/bin/activate

IPython 및 Speech-to-Text API 클라이언트 라이브러리를 설치합니다.

pip install ipython google-cloud-speech

다음과 같은 결과를 확인할 수 있습니다.

...
Installing collected packages: ..., ipython, google-cloud-speech
Successfully installed ... google-cloud-speech-2.25.1 ...

이제 Speech-to-Text API 클라이언트 라이브러리를 사용할 준비가 되었습니다.

다음 단계에서는 이전 단계에서 설치한 대화형 Python 인터프리터인 IPython을 사용합니다. Cloud Shell에서 ipython를 실행하여 세션을 시작합니다.

ipython

다음과 같은 결과를 확인할 수 있습니다.

Python 3.9.2 (default, Feb 28 2021, 17:03:44)
Type 'copyright', 'credits' or 'license' for more information
IPython 8.18.1 -- An enhanced Interactive Python. Type '?' for help.

In [1]:

첫 번째 요청을 할 준비가 되었습니다...

4. 오디오 파일 텍스트 변환

이 섹션에서는 영어 오디오 파일의 스크립트를 작성합니다.

다음 코드를 IPython 세션에 복사합니다.

from google.cloud import speech


def speech_to_text(
    config: speech.RecognitionConfig,
    audio: speech.RecognitionAudio,
) -> speech.RecognizeResponse:
    client = speech.SpeechClient()

    # Synchronous speech recognition request
    response = client.recognize(config=config, audio=audio)

    return response


def print_response(response: speech.RecognizeResponse):
    for result in response.results:
        print_result(result)


def print_result(result: speech.SpeechRecognitionResult):
    best_alternative = result.alternatives[0]
    print("-" * 80)
    print(f"language_code: {result.language_code}")
    print(f"transcript:    {best_alternative.transcript}")
    print(f"confidence:    {best_alternative.confidence:.0%}")

잠시 코드를 살펴보고 recognize 클라이언트 라이브러리 메서드를 사용하여 오디오 파일*을 텍스트로 변환하는 방법을 알아보세요.* config 매개변수는 요청을 처리하는 방법을 나타내고 audio 매개변수는 인식할 오디오 데이터를 지정합니다.

요청을 보냅니다.

config = speech.RecognitionConfig(
    language_code="en",
)
audio = speech.RecognitionAudio(
    uri="gs://cloud-samples-data/speech/brooklyn_bridge.flac",
)

response = speech_to_text(config, audio)
print_response(response)

다음과 같은 출력이 표시됩니다.

--------------------------------------------------------------------------------
language_code: en-us
transcript:    how old is the Brooklyn Bridge
confidence:    98%

자동 구두점을 사용 설정하고 새 요청을 보내도록 구성을 업데이트합니다.

config.enable_automatic_punctuation = True

response = speech_to_text(config, audio)
print_response(response)

다음과 같은 출력이 표시됩니다.

--------------------------------------------------------------------------------
language_code: en-us
transcript:    How old is the Brooklyn Bridge?
confidence:    98%

요약

이 단계에서는 다양한 매개변수를 사용하여 오디오 파일의 스크립트를 영어로 작성하고 결과를 출력할 수 있었습니다. 오디오 파일 스크립트 작성에 대해 자세히 알아보세요.

5. 단어 타임스탬프 가져오기

Speech-to-Text는 스크립트가 작성된 오디오의 시차 (타임스탬프)를 감지할 수 있습니다. 시차는 제공된 오디오에서 말하는 각 단어의 시작 부분과 끝부분을 표시합니다. 시차 값은 오디오 시작 부분에서 경과된 시간을 100ms 단위로 나타냅니다.

단어 타임스탬프가 있는 오디오 파일의 스크립트를 작성하려면 다음을 IPython 세션에 복사하여 코드를 업데이트합니다.

def print_result(result: speech.SpeechRecognitionResult):
    best_alternative = result.alternatives[0]
    print("-" * 80)
    print(f"language_code: {result.language_code}")
    print(f"transcript:    {best_alternative.transcript}")
    print(f"confidence:    {best_alternative.confidence:.0%}")
    print("-" * 80)
    for word in best_alternative.words:
        start_s = word.start_time.total_seconds()
        end_s = word.end_time.total_seconds()
        print(f"{start_s:>7.3f} | {end_s:>7.3f} | {word.word}")

잠시 코드를 살펴보고 단어 타임스탬프가 있는 오디오 파일의 스크립트를 작성하는 방법을 알아보세요*.* enable_word_time_offsets 매개변수는 각 단어의 시차를 반환하도록 API에 지시합니다 (자세한 내용은 문서 참고).

요청을 보냅니다.

config = speech.RecognitionConfig(
    language_code="en",
    enable_automatic_punctuation=True,
    enable_word_time_offsets=True,
)
audio = speech.RecognitionAudio(
    uri="gs://cloud-samples-data/speech/brooklyn_bridge.flac",
)

response = speech_to_text(config, audio)
print_response(response)

다음과 같은 출력이 표시됩니다.

--------------------------------------------------------------------------------
language_code: en-us
transcript:    How old is the Brooklyn Bridge?
confidence:    98%
--------------------------------------------------------------------------------
  0.000 |   0.300 | How
  0.300 |   0.600 | old
  0.600 |   0.800 | is
  0.800 |   0.900 | the
  0.900 |   1.100 | Brooklyn
  1.100 |   1.400 | Bridge?

요약

이 단계에서는 단어 타임스탬프가 있는 영어 오디오 파일의 스크립트를 작성하고 결과를 출력했습니다. 단어 타임스탬프 가져오기에 관해 자세히 알아보세요.

6. 다양한 언어 스크립트 작성

Speech-to-Text API는 125개 이상의 언어와 방언을 인식합니다. 지원되는 언어 목록은 여기에서 확인할 수 있습니다.

이 섹션에서는 프랑스어 오디오 파일의 스크립트를 작성합니다.

프랑스어 오디오 파일의 스크립트를 작성하려면 다음을 IPython 세션에 복사하여 코드를 업데이트합니다.

config = speech.RecognitionConfig(
    language_code="fr-FR",
    enable_automatic_punctuation=True,
    enable_word_time_offsets=True,
)
audio = speech.RecognitionAudio(
    uri="gs://cloud-samples-data/speech/corbeau_renard.flac",
)

response = speech_to_text(config, audio)
print_response(response)

다음과 같은 출력이 표시됩니다.

--------------------------------------------------------------------------------
language_code: fr-fr
transcript:    Maître corbeau sur un arbre perché Tenait dans son bec un fromage maître Renard par l'odeur alléché lui tint à peu près ce langage et bonjour monsieur du corbeau.
confidence:    94%
--------------------------------------------------------------------------------
  0.000 |   0.700 | Maître
  0.700 |   1.100 | corbeau
  1.100 |   1.300 | sur
  1.300 |   1.600 | un
  1.600 |   1.700 | arbre
  1.700 |   2.000 | perché
  2.000 |   3.000 | Tenait
  3.000 |   3.000 | dans
  3.000 |   3.200 | son
  3.200 |   3.500 | bec
  3.500 |   3.700 | un
  3.700 |   3.800 | fromage
...
 10.800 |  11.800 | monsieur
 11.800 |  11.900 | du
 11.900 |  12.100 | corbeau.

요약

이 단계에서는 프랑스어 오디오 파일의 스크립트를 작성하고 결과를 출력했습니다. 지원되는 언어에 대해 자세히 알아보세요.

7. 축하합니다.

Python으로 Speech-to-Text API를 사용하여 오디오 파일에서 다양한 종류의 스크립트를 작성하는 방법을 알아봤습니다.

삭제

Cloud Shell에서 개발 환경을 삭제하려면 다음 안내를 따르세요.

아직 IPython 세션에 있다면 셸로 돌아갑니다. exit
Python 가상 환경 사용 중지: deactivate
가상 환경 폴더 삭제: cd ~ ; rm -rf ./venv-speech

Google Cloud 프로젝트를 삭제하려면 Cloud Shell에서 다음 안내를 따르세요.

현재 프로젝트 ID를 가져옵니다. PROJECT_ID=$(gcloud config get-value core/project)
삭제하려는 프로젝트가 맞는지 확인합니다. echo $PROJECT_ID
프로젝트 삭제: gcloud projects delete $PROJECT_ID

자세히 알아보기

브라우저에서 데모 테스트: https://cloud.google.com/speech-to-text
Speech-to-Text 문서: https://cloud.google.com/speech-to-text/docs
Google Cloud 기반 Python: https://cloud.google.com/python
Python용 Cloud 클라이언트 라이브러리: https://github.com/googleapis/google-cloud-python

라이선스

이 작업물은 Creative Commons Attribution 2.0 일반 라이선스에 따라 사용이 허가되었습니다.