Регулярное распознавание аудиофайлов из Yandex Object Storage

В API асинхронного распознавания SpeechKit реализована интеграция с сервисом Yandex Object Storage. С ее помощью можно настроить автоматическое распознавание аудиофайлов поддерживаемых форматов, регулярно загружаемых в бакет Object Storage. Облачная функция в сервисе Yandex Cloud Functions периодически проверяет наличие аудиофайлов в бакете и отправляет их в API SpeechKit для распознавания. Результат и статус распознавания сохраняются в тот же бакет Object Storage.

Чтобы настроить автоматическое распознавание аудиофайлов с помощью SpeechKit:

1. Создайте облачную функцию для чтения файлов из бакета Object Storage, отправки в API и проверки статуса распознавания файлов.
2. Создайте триггер для периодического запуска облачной функции.
3. Проверьте работу функции.

Перед началом работыПеред началом работы

1. Создайте сервисный аккаунт с именем asr-batch-sa.

2. Назначьте сервисному аккаунту роли storage.editor, functions.functionInvoker и ai.speechkit-stt.user на каталог, в котором аккаунт был создан.

3. Создайте статический ключ доступа для сервисного аккаунта.

4. Создайте API-ключ доступа для сервисного аккаунта.

5. Создайте бакет Object Storage с именем asr-batch-bucket в каталоге сервисного аккаунта.

6. Откройте бакет asr-batch-bucket, нажмите кнопку Создать папку и укажите в поле Имя папки значение input.

7. Загрузите в папку input бакета файл config.json с заданным языком распознавания(https://aistudio.yandex.ru/docs/ru/speechkit/stt/models#languages). Файл содержит только один параметр:

   {
     "lang": "<код_языка>"
   }
   

   Примечание

   Если файл config.json отсутствует в бакете, для распознавания используется русский язык.

Создайте облачную функциюСоздайте облачную функцию

1. В консоли управления выберите каталог, в котором был создан сервисный аккаунт.

2. Перейдите в сервис Cloud Functions.

3. Нажмите кнопку Создать функцию и укажите имя функции asr-batch-function.

4. Нажмите кнопку Создать.

5. В блоке Редактор выберите среду выполнения Python версии 3.8 и нажмите Продолжить.

6. Скачайте из репозитория Yandex Cloud файл со скриптом.

7. В блоке Код функции удалите содержимое файла index.py и вставьте скачанный скрипт.

8. В блоке Код функции создайте файл requirements.txt и добавьте в него код:

   boto3
   botocore
   requests
   

9. Укажите параметры запуска функции:

   • Точка входа — index.handler.
   • Таймаут — 60.
   • Сервисный аккаунт – asr-batch-sa.

10. Добавьте переменные окружения:

    • S3_BUCKET – asr-batch-bucket.
    • S3_PREFIX – input.
    • S3_PREFIX_LOG – log.
    • S3_PREFIX_OUT – out.
    • S3_KEY – ID статического ключа доступа.
    • S3_SECRET – секрет статического ключа доступа.
    • API_KEY – ID API-ключа.
    • API_SECRET – секрет API-ключа.

11. Нажмите кнопку Сохранить изменения.

Создайте триггерСоздайте триггер

1. В консоли управления выберите каталог, в котором была создана функция.
2. Перейдите в сервис Cloud Functions.
3. Выберите Триггеры.
4. Нажмите Создать триггер.
5. Укажите параметры триггера:
   • Имя – asr-batch-cron.
   • Тип – Таймер.
   • Запускаемый ресурс – Функция.
   • Cron-выражение – Каждую минуту.
   • Функция – asr-batch-function.
   • Тег версии функции – $latest.
   • Сервисный аккаунт – asr-batch-sa.
6. Нажмите Создать триггер.

Созданный триггер будет срабатывать ежеминутно и запускать облачную функцию.

Проверьте работу функцииПроверьте работу функции

1. В консоли управления выберите каталог, в котором была создана функция.
2. Перейдите в сервис Object Storage и откройте бакет asr-batch-bucket.
3. Загрузите в папку input аудиофайлы любого поддерживаемого формата.
4. Подождите несколько минут и убедитесь, что в бакете появились папки log и out.
5. Проверьте статус распознавания в папке log. Для каждого из отправленных на распознавание аудиофайлов статус сохраняется во вспомогательном файле <имя_аудиофайла>.json (например, audio.mp3.json). Если в файле содержится параметр "done": "false", то процесс распознавания не завершен.
6. Проверьте результат распознавания в папке out. Результат сохраняется в формате JSON в файле с именем <имя_аудиофайла>.json (например, audio.mp3.json). Подробнее о формате результата распознавания смотрите в разделе API асинхронного распознавания.

Полезные ссылкиПолезные ссылки

• API v2 асинхронного распознавания
• Асинхронное распознавание аудиофайлов в формате LPCM в API v2
• Асинхронное распознавание аудиофайлов в формате OggOpus в API v2