Связаться с намиПодключиться

Загрузка аудиоданных через gPRC API

Статья создана
Обновлена 29 апреля 2025 г.

Эта инструкция поможет вам загрузить в SpeechSense данные для распознавания и анализа речи через API. В примере заданы параметры:

  • формат аудио — WAV;
  • метаданные диалога хранятся в файле metadata.json.

Аутентификация происходит от имени сервисного аккаунта с помощью IAM-токена или API-ключа.

Для ознакомления с функциональностью SpeechSense вы можете использовать быструю загрузку аудиоданных через консоль управления.

Если вы хотите загрузить переписку из чата вместо аудиозаписи разговора, обратитесь к инструкции.

Перед началом работы

Для работы с API Yandex Cloud потребуется Git, Python 3.6 или старше и пакет grpcio-tools. Узнайте, как установить Python.

Чтобы подготовиться к загрузке аудиоданных:

  1. Создайте подключение типа Двухканальное аудио.

    Если вы хотите загрузить связанные диалоги, добавьте в общие метаданные подключения строковый ключ ticket_id. По этому ключу диалоги будут связаны.

  2. Создайте проект с новым подключением.

    В созданные проект и подключение будут загружены аудиозаписи разговоров.

  3. В консоли управления создайте сервисный аккаунт.

  4. Добавьте сервисный аккаунт в пространство с ролью Data editor. Это позволит сервисному аккаунту загружать данные в SpeechSense.

  5. Чтобы аутентифицироваться в API Yandex Cloud, создайте API-ключ или IAM-токен для сервисного аккаунта.

  6. Склонируйте репозиторий API Yandex Cloud:

    git clone https://github.com/yandex-cloud/cloudapi

  7. Установите пакет grpcio-tools с помощью менеджера пакетов pip:

    pip install grpcio-tools

Загрузить данные

Примечание

Даты указываются в формате ISO 8601 UTC с нулевым смещением времени. Если необходимо указать московское время, добавьте +03:00 вместо Z в конец строки: 2025-04-24T14:34:19+03:00.

  1. Перейдите в папку с репозиторием API Yandex Cloud, создайте папку upload_data, сгенерируйте в ней код интерфейса клиента и перейдите в папку upload_data:

    cd <путь_к_папке_cloudapi> && \
mkdir upload_data && \
python3 -m grpc_tools.protoc -I . -I third_party/googleapis \
     --python_out=./upload_data/ \
     --grpc_python_out=./upload_data/ \
     google/api/http.proto \
     google/api/annotations.proto \
     yandex/cloud/api/operation.proto \
     google/rpc/status.proto \
     yandex/cloud/operation/operation.proto \
     yandex/cloud/validation.proto \
     yandex/cloud/speechsense/v1/*.proto \
     yandex/cloud/speechsense/v1/*/*.proto
cd upload_data

  2. В папке upload_data создайте Python-скрипт upload_grpc.py, который загрузит данные в подключение SpeechSense одним сообщением:

    import argparse
import json
from typing import Dict
import grpc
import datetime

from yandex.cloud.speechsense.v1 import talk_service_pb2
from yandex.cloud.speechsense.v1 import talk_service_pb2_grpc
from yandex.cloud.speechsense.v1 import audio_pb2

# Для аутентификации с IAM-токеном замените параметр api_key на iam_token
def upload_talk(connection_id: int, metadata: Dict[str, str], api_key: str, audio_bytes: bytes):
   credentials = grpc.ssl_channel_credentials()
   channel = grpc.secure_channel('api.speechsense.yandexcloud.net:443', credentials)
   talk_service_stub = talk_service_pb2_grpc.TalkServiceStub(channel)

# Формирование запроса к API
   request = talk_service_pb2.UploadTalkRequest(
      metadata=talk_service_pb2.TalkMetadata(
         connection_id=str(connection_id),
         fields=metadata
      ),
      # Формат аудио — WAV
      audio=audio_pb2.AudioRequest(
         audio_metadata=audio_pb2.AudioMetadata(
            container_audio=audio_pb2.ContainerAudio(
               container_audio_type=audio_pb2.ContainerAudio.ContainerAudioType.CONTAINER_AUDIO_TYPE_WAV
            )
         ),
         audio_data=audio_pb2.AudioChunk(data=audio_bytes)
      )
   )
   # Тип аутентификации — API-ключ
   response = talk_service_stub.Upload(request, metadata=(
      ('authorization', f'Api-Key {api_key}'),
   # Для аутентификации с IAM-токеном передавайте заголовок
   #  ('authorization', f'Bearer {iam_token}'),
   ))

   # Вывести идентификатор диалога
   print(f'Dialog ID: {response.talk_id}')

if __name__ == '__main__':
   parser = argparse.ArgumentParser()
   parser.add_argument('--key', required=True, help='API key or IAM token', type=str)
   parser.add_argument('--connection-id', required=True, help='Connection ID', type=str)
   parser.add_argument('--audio-path', required=True, help='Audio file path', type=str)
   parser.add_argument('--meta-path', required=False, help='JSON with the dialog metadata', type=str, default=None)
   args = parser.parse_args()

   # Значения по умолчанию, если метаданные не указаны
   if args.meta_path is None:
      now = datetime.datetime.now().isoformat()
      metadata = {
         'operator_name': 'Operator',
         'operator_id': '1111',
         'client_name': 'Client',
         'client_id': '2222',
         'date': str(now),
         'date_from': '2023-09-13T17:30:00.000Z',
         'date_to': '2023-09-13T17:31:00.000Z',
         'direction_outgoing': 'true',
      }
   else:
      with open(args.meta_path, 'r') as fp:
         metadata = json.load(fp)

   with open(args.audio_path, 'rb') as fp:
      audio_bytes = fp.read()
   upload_talk(args.connection_id, metadata, args.key, audio_bytes)

  3. В папке upload_data создайте файл metadata.json с метаданными разговора:

    {
   "operator_name": "<имя_оператора>",
   "operator_id": "<идентификатор_оператора>",
   "client_name": "<имя_клиента>",
   "client_id": "<идентификатор_клиента>",
   "date": "<дата_начала>",
   "direction_outgoing": "<исходящее_направление:_true_или_false>",
   "language": "<язык>",
   <дополнительные_параметры_подключения>
}

    Поля в файле должны соответствовать параметрам подключения, в которое вы загружаете аудиозаписи. В шаблоне выше указаны обязательные поля для подключений типа Двухканальное аудио. Если вы добавляли другие параметры в подключение, укажите их в файле metadata.json. Например, если вы загружаете связанные диалоги, добавьте в файл параметр:

    {
   ...
   "ticket_id": "<номер_задачи>"
}

  4. Задайте API-ключ сервисного аккаунта:

    export API_KEY=<API-ключ_сервисного_аккаунта>

    Если вы используете IAM-токен, передайте его вместо API-ключа:

    export IAM_TOKEN=<IAM-токен_сервисного_аккаунта>

  5. Запустите скрипт upload_grpc.py, передав нужные параметры:

    python3 upload_grpc.py \
   --audio-path <аудиофайл> \
   --meta-path <метаданные> \
   --connection-id <идентификатор_подключения> \
   --key ${API_KEY}

    Где:

    • --audio-path — путь к файлу с аудио диалога.
    • --meta-path — путь к файлу с метаданными диалога.
    • --connection-id — идентификатор подключения, в которое вы загружаете данные.
    • --key — API-ключ для аутентификации. Если вы используете IAM-токен, укажите переменную окружения IAM_TOKEN вместо API_KEY.
Предыдущая
Загрузка аудиоданных через консоль управления
Следующая
Загрузка переписки из чата