Загрузка аудиоданных

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

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

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

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

Перед началом работыПеред 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.

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 данныеЗагрузить данные

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:

   Bash

   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': '2023-09-13T17:30:00.000',
            'date_to': '2023-09-13T17:31:00.000',
            '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. 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>
   

4. 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.