使用 Google 文件 & 建立業務會議的轉錄稿；機器學習

1. 總覽

在本程式碼研究室中，您將瞭解如何透過 Google Cloud Speech to Text API 傳送音訊檔案，然後將轉錄稿輸出至 Google 文件。Speech to Text API 簡單易用，並運用強大的類神經網路，讓開發人員將音訊轉成文字！並採用機器學習技術。

請使用 Google Docs API 建立新文件，並寫入文件。您要建立 Java 指令列應用程式，並使用 Gradle 建構系統執行程式碼，然後使用 Docs API 查看結果。

課程內容

• 如何使用 Google Cloud Speech to Text API
• 如何使用 Google Docs API 建立新文件
• 如何使用 Docs API 撰寫文件

軟硬體需求

• 安裝 Java (7 以上版本)
• 安裝 Gradle (5 以上版本)
• 網際網路和網路瀏覽器的存取權
• Google 帳戶
• Google Cloud Platform 專案

2. 設定專案

建立雲端專案

1. 登入 Cloud 控制台建立新專案，或是重複使用現有專案。(如果您還沒有 Gmail 或 Workspace 帳戶，請先建立帳戶)。

注意：只要記住控制台網址 ( console.cloud.google.com)，即可輕鬆存取 Cloud 控制台。

提醒您，專案 ID 是所有 Google Cloud 專案的專屬名稱 (已經有人使用上述名稱，很抱歉對您不符！)。稍後在本程式碼研究室中會稱為 PROJECT_ID。

注意：如果您使用 Gmail 帳戶，請保留預設位置的「無機構」。如果您使用的是 Workspace 帳戶，請選擇適合貴機構的位置。

2. 接下來，您需要在 Cloud 控制台中啟用計費功能，才能使用 Google Cloud 資源。

執行這個程式碼研究室並不會產生任何費用，如果有的話。請務必依照「清除所用資源」一節指示本節將說明如何關閉資源，這樣您就不會產生本教學課程結束後產生的費用。Google Cloud 的新使用者符合 $300 美元免費試用計畫的資格。

取得 Cloud Speech-to-Text API 的服務帳戶金鑰

1. 前往 GCP 控制台，然後找到您的新專案
2. 建立服務帳戶
3. 以 JSON 格式下載服務帳戶金鑰
4. 將環境變數 GOOGLE_APPLICATION_CREDENTIALS 設為包含服務帳戶金鑰的 JSON 檔案路徑。如果您重新啟動殼層工作階段，則必須再次設定變數。

$ export GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

例如：

$ export GOOGLE_APPLICATION_CREDENTIALS="/home/usr/downloads/ServiceAccount.json"

取得 Docs API 的憑證

1. 返回 GCP 控制台，前往「憑證」
2. 建立 OAuth 2.0 金鑰並下載為 JSON 格式
3. 重新命名 credentials.json 檔案，並確定該檔案位於程式碼的 src/main/resources/ 目錄中

啟用 API

1. 選取「資訊主頁」分頁標籤，按一下「啟用 API 和服務」按鈕，並啟用下列 2 個 API：
2. Speech to Text
3. Google 文件

您現在就可以開始使用程式碼了。

3. 設定代碼

取得範例程式碼

若要取得範例程式碼，您需要將 ZIP 檔案下載至電腦...

下載 Zip

...或透過指令列複製 GitHub 存放區。

$ git clone [e-mail]:googleworkspace/docs-transcript-codelab.git

您將在 start 目錄中的 CreateTranscript.java 檔案中執行。不得修改 Gradle 檔案。

在目錄中，前往 start 資料夾，然後開啟 CreateTranscript.java 檔案。向下捲動至 CreateTranscript 類別宣告的位置。

public class CreateTranscript {
  private static final String CREDENTIALS_FILE_PATH = "/credentials.json";
  
  // Specify audio file name below.
  private static final String AUDIO_FILENAME = "audioFile.wav";
  private static final String TOKENS_DIRECTORY_PATH = "tokens";
  private static final JsonFactory JSON_FACTORY = JacksonFactory.getDefaultInstance();
  private static final String APPLICATION_NAME = "CreateTranscript";
  private static final List<String> SCOPES = Collections.singletonList(DocsScopes.DOCUMENTS);

在您的 SCOPES 變數中，您指定程式碼能夠查看及管理使用者的 Google 文件。如果您的程式碼需要授權超出或與此存取權不同，請務必根據 OAuth 2.0 Google API 範圍來調整這個變數。

舉例來說，如果您並未寫入 Google 文件，可以將範圍變更為 DOCUMENTS_READONLY。SCOPES 變數不僅是應用程式要擁有適當的存取權限，也必須符合使用者的資訊透明度。系統會在 OAuth 驗證頁面中，顯示您要求的特定範圍，使用者必須同意才能使用應用程式。

重新命名變數

請確認專案已正確宣告上述變數。

1. 確認 AUDIO_FILENAME 已設為您要傳送至 Speech to Text API 的示範檔案名稱。您的 CreateTranscript.java 檔案應該已正確設定。
2. 將 CREDENTIALS_FILE_PATH 重新命名為下載的憑證檔案名稱 (應為「/credentials.json'」)。請確認這個檔案位於資料夾的 src/main/resources 目錄中，因此如果 GitHub 複製功能無法為您執行複製作業，請務必建立這個目錄。

現在，您可以開始執行程式碼了！

4. 初始化 Google 文件用戶端

在 CreateTranscript.java 檔案中，找出主要方法宣告，並概略瞭解其中內容：

final NetHttpTransport HTTP_TRANSPORT = GoogleNetHttpTransport.newTrustedTransport();
Docs service = new Docs.Builder(HTTP_TRANSPORT, JSON_FACTORY,
    getCredentials(HTTP_TRANSPORT))
          .setApplicationName(APPLICATION_NAME)
          .build();

函式授權

您要在此執行的第一個工作是建立 Docs service (變數)。「服務」代表已獲得授權的 API 用戶端，會保存您的憑證；在這個情況下，服務即為使用者驗證。

在您的程式碼中，凡是呼叫 Docs API 的函式都必須使用這個 service 變數，才能執行文件相關工作。

5. 建立 Google 文件

您將建立具有指定標題的新 Google 文件。因此，我們要在 createDocument 函式中複製下列程式碼。

Document doc = new Document().setTitle("Transcript for " +
    AUDIO_FILENAME);
doc = service.documents().create(doc).execute();
String documentId = doc.getDocumentId();
return documentId;

這個函式會傳回 Google 文件的雲端硬碟檔案 ID。您可以在文件網址中找到相同的 ID。

接下來，請初始化 Speech-to-Text 用戶端。

6. 呼叫 Speech to Text API

您要在程式碼中執行的下一個工作，是取得音訊檔案的書面轉錄稿。在 CreateTranscript.java 中，找到 getTranscript() 函式。

首先，取得音訊檔案的路徑和音訊位元組：

SpeechClient speech = SpeechClient.create();
Path path = Paths.get(AUDIO_FILENAME);
byte[] data = Files.readAllBytes(path);
ByteString audioBytes = ByteString.copyFrom(data);

設定語音辨識

接下來，您必須正確初始化 RecognitionConfig 變數。

「config」提供相關資訊，說明語音辨識器該如何處理要求。舉例來說，如果音訊檔案使用英文以外的語言，您就必須編輯 setLanguageCode()；如果音訊檔案在赫茲的取樣率不同，您就必須編輯 setSampleRateHertz() (最佳版本為 1600)。

RecognitionConfig config =
    RecognitionConfig.newBuilder()
        .setEncoding(AudioEncoding.LINEAR16)
        .setLanguageCode("en-US")
        .setSampleRateHertz(8000)
        .build();
RecognitionAudio audio =
    RecognitionAudio.newBuilder().setContent(audioBytes).build();
RecognizeResponse response = speech.recognize(config, audio);
List<SpeechRecognitionResult> results = response.getResultsList();

準備文字

最後，處理音訊檔案的轉錄稿 result 變數，並準備好插入文件中。

搜尋結果中的每個項目都是 SpeechRecognitionAlternatives 類型的轉錄稿。因此，每個項目都包含兩個部分：文字轉錄稿和 API 的相應可信度分數。

List<Request> requests = new ArrayList<>();
for (SpeechRecognitionResult result : results) {
     // Using the first + most likely alternative transcript
     SpeechRecognitionAlternative alternative =
         result.getAlternativesList().get(0);
     String toInsert = alternative.getTranscript();

     // Add requests array list to return.
     requests.add(
         new Request()
             .setInsertText(
                 new InsertTextRequest()
                     .setText(toInsert)
                     .setEndOfSegmentLocation(new
     EndOfSegmentLocation().setSegmentId(""))));
}
return requests;

7. 在文件中插入文字

您現在可以將轉錄稿文字插入 Google 文件。如要修改文件，您需要使用 BatchUpdate 方法。BatchUpdate 是不同類型的寫入要求的容器，在這裡您將使用 InsertTextRequest。

EndOfSegmentLocation 是重要參數，用於指定要在 Google 文件中列印文字的位置。透過原始碼，您將在文件內文中插入文字。

讓我們將下列程式碼插入函式中，瞭解 Speech-to-Text API 結果與對 Docs API 的呼叫如何相輔相成，讓我們將音訊檔案的轉錄稿插入 Google 文件中：

BatchUpdateDocumentRequest body = new BatchUpdateDocumentRequest();
service.documents().batchUpdate(docId,
    body.setRequests(insertRequests)).execute();

建立要求

提出 BatchUpdate 要求時，請設定兩個重要規格：您想要列印的內容 (.setText())，以及想要在文件中的位置 (.setIndex(1))。

您現在已將音訊檔案的轉錄稿插入您建立的 Google 文件中。

8. 執行程式碼

現在您已備妥所有必要程式碼，可以擷取音訊檔案、取得轉錄稿，並將轉錄稿列印到新建立的 Google 文件，讓我們開始吧！

由於您將使用 Gradle 建構系統執行 Java 程式碼，因此需要告知 build.gradle 檔案實際要建構及執行的內容。在這個專案和其他項目中，請確保 mainClassName 與想要執行的 Java 類別一致。

太好了！您現在可以執行程式碼了。如要執行此操作，請在指令列中輸入下列指令：

$ gradle run

使用者驗證

首次執行此程式碼時，終端機會顯示一個網址，要求您登入服務帳戶並授權存取其「Google 文件」。授予存取權後，您會發現目錄中儲存了新檔案。

工作目錄內有新建的 tokens 資料夾，其中包含 StoredCredential 檔案。這就是您剛剛提供的驗證權杖，您的用戶端已向 Google 驗證伺服器提出要求，從回應中擷取此權杖，現在則會傳送至您呼叫的任何 API。

解決方案

如果程式碼無法運作，請查看 CreateTranscript.java 資料夾中的 CreateTranscript.java 檔案。這個檔案包含所有程式碼，內含成功執行的程式碼。

現在來看看結果。

9. 查看結果

你剛建立了含有音訊檔案轉錄稿的新 Google 文件，讓我們來看看。

這份文件是透過使用者授權的帳戶建立。建議您運用 Drive API，自動與其他人共用這份文件。

使用您的原始碼和提供的音訊檔案後，您應該會看到以下內容：

10. 恭喜！

您已學會如何建立 Google 文件、呼叫 Speech-to-Text API，以及將音訊檔案的轉錄稿輸出到自己建立的文件中。

可能的改善項目

如要進行更具吸引力的整合服務，請參考以下建議：

• 設定程式碼，監聽音訊檔案何時新增至 Google Cloud Storage 值區雲端硬碟，並觸發 Google Cloud 函式執行這段程式碼
• 在 Google 文件中插入非空白的文字

瞭解詳情

• 參閱 Google Docs API 開發人員說明文件
• 在 Stack Overflow 上提問及尋找解答，並置於 google-docs-api 標記下方