作者：没一村
本文转载自：没一村生活点滴
最近用信用卡开通了 Google Cloud Platform 的账户，一共得到了 300 美元的免费使用额度，和 12 个月的免费试用期。里面的 API 相当的多 （连结）。里头关于机器学习的 API罗列如下：
• Cloud Vision API
• Cloud Speech APi
• Natural Language API
• Translation API
而这次要介绍的是第二项， Cloud Speech API（连结）。准备好了吗，开始啰！
快速测试
由于没一村待的实验室，时常需要 train 各种 model 来解决各种研究上会遇到的问题，因此我深知，要 train 一个可以用的语音辨识模型，对于没有大量和有品质的资料的小公司或小团队而言，是一件相当麻烦的事。更何况如果软件服务是要面对多国语言，并处理各种糟杂的情况，那就更麻烦了。
Google 提供的 Cloud Speech API，旨在解决这个问题。 在 Cloud Speech API 的介绍页面上，也提供了按钮可以快速让大家体验这个 API的强大，图片如下，选好语言，然后按下蓝色按钮就可以了！
快速测试一下的结果如下：
虽然 Cloud Speech API 目前的强度能转换 80 种语言，但可惜的是，没一村只会说中文和英文，不能帮各位测试更多的可能性 XD，就请会说各种语言的各位自行测试啰！
测试真正的语音档
测试完我的实际语音后，我们来测试真正的语音档，看看他到底会回传我们什么东西 XD。Google API 的一大好处就是 document 写得很清楚，关于 Cloud Speech API，则可以参考这一篇。在开始之前，首先我们需要先在 Google console 上建立一个专案，按下 SET UP A PROJECT 的蓝色按钮，然后输入 project 的名称。所有在 Google Cloud Platform 上运行的 project，都会放在这个网址。
输入 project 名称后，会自动下载一个 private key。我们之后会使用到这个 private key 来存取 Cloud Speech API，如下：
接着，要把 google cloud sdk 装在本机上， Linux / OSX 的用户，可以在 terminal 使用以下指令来做安装。Windows 10 的用户，也可以在 Ubuntu bash shell 输入以下指令。（教学连结）
curl https://sdk.cloud.google.com | bash
以上事情都搞定后，我们要来产生 REST API Header 的 access token。有这个 access token 就可以存取 API。输入以下指令，而 XXX则是刚拿下来的 private key。
gcloud auth activate-service-account --key-file=XXX.json
接着，我们还需要让我们的 google 账户能够拥有 Google Cloud Platform 的完整存取权。输入以下指令：
gcloud auth application-default login
最后输入以下这行指令拿到 access token
gcloud auth application-default print-access-token
接着，要来产生 REST API 的 request body。产生一个 json 档如下。里头的 brooklyn.flac 是 Google 提供的范例。
{
"config": {
"encoding":"FLAC",
"sampleRateHertz": 16000,
"languageCode": "en-US",
"enableWordTimeOffsets": false
},
"audio": {
"uri":"gs://cloud-samples-tests/speech/brooklyn.flac"
}
}
最后在 command line 上输入以下指令就可以了，ACCESS_TOKEN 要换成刚刚拿到的 access token。
curl -s -H "Content-Type: application/json" \
-H "Authorization: Bearer ACCESS_TOKEN" \
https://speech.googleapis.com/v1/speech:recognize \
-d @sync-request.json
那么拿回来的 result 应该会是长这个样子：
换个自己的语音档
接着我们尝试使用自己的一个语音档。进入 Google console，并在上方选择我们刚刚建立的专案。然后点选选单，下拉点选 Storage 的“浏览器”选项。
接着，建立一个 bucket ，这个 bucket 要放我们的音乐档。如果是 MP3 的音乐，那请用 ffmpeg 转成 FLAC 档，输入以下指令，然后上传这个档案，并选择公开连结。
ffmpeg -i test.mp3 -ac 1 -ar 16000 test2.flac
点进去公开连结后，拿到网址，更改 sync-request.json 的 languageCode 到 zh-TW，然后 audio 也要更改。例如网址为 https://storage.googleapis.com/A/B.flac ，就要改成 gs://A/B.flac 。如下：
接着输入以下指令。如果 FLAC 档长度超过1分钟，记得要更改红色字的部分，。
curl -s -H "Content-Type: application/json" \
-H "Authorization: Bearer ACCESS_TOKEN" \
https://speech.googleapis.com/v1/speech:longrunningrecognize \
-d @sync-request.json
回传应该会如下
{
"name": "1294243978595186795"
}
然后再 curl 一次
curl -H "Content-Type: application/json" \
-H "Authorization: Bearer ACCESS_TOKEN" \
https://speech.googleapis.com/v1/operations/1294243978595186795
就可以拿回资料，如下：
大功告成！不过可能是因为歌手一直唱的关系，断词没有断的很好 XD
计价方式
前 60 分钟是免费的，而 61 分钟以上每15秒钟 0.006 美元，换算起来，300 美元大概可以玩个 200 个小时左右。
结语
以上就是这次的教学啦。首先，我先提到如何快速体验 Cloud Speech API 的威力。接着我们使用 command line 了解如何使用 Clooud Speech API。最后，我们结合 Google 自己提供的 Cloud Storage API，辨识一首歌的歌词。Google Cloud API 是个非常好用的服务，可以在 APP，网站做任何形式的搭配来增进服务品质。
