Google STT API 사용해보기

김민형·2023년 6월 10일

GCP - AI,ML

목록 보기

7/14

레이원님의 Google STT API 사용방법 영상 참고

Google STT

STT란 Speech-to-text의 약자로 말 그대로 말하는 것(음성)을 문자(텍스트)로 바꿔주는 AI기술이다.

Google STT는 120개 이상의 언어를 지원하고 다국어 시나리오를 지원해야 할 경우 2~4개의 언어 코드를 명시할 수도 있다.
욕설 필터링 설정이 가능하고 자동 구두점 사용을 설정할 수 있다.
(자동 구두점 : 오디오 데이터에서 마침표, 쉼표, 물음표를 자동으로 유추하고 이를 스크립트에 추가)

콘텐츠 한도

콘텐츠 한도	오디오 길이
동기식 요청 (최대 10MB)	최대 1분 초과시 로컬 파일은 사용 불가 Cloud Storage의 오디오 파일 참조
비동기식 요청 (제한 없음)	최대 480분
스트리밍 요청	최대 5분 초과시 지속적인 스트리밍 가이드 참조

지원되는 오디오 인코딩
권장 형식은 무손실 압축 코덱인 FLAC, LINEAR16

환경 구성

작업 환경 : 로컬 PC(Windows 11)

Google Cloud 콘솔에서 Cloud Speech-to-text API를 검색한 후 API를 활성화해준다.

나같은 경우 이미 권한이 부여되어 있는 서비스 계정이 있지만 Google Cloud가 처음이라면 '사용자 인증정보'를 클릭하여 소유자 권한을 부여한 서비스 계정을 하나 생성한 후 JSON 형식의 키를 다운받아야 한다.

gcloud 설치

PowerShell에서 아래 명령어 실행

(New-Object Net.WebClient).DownloadFile("https://dl.google.com/dl/cloudsdk/channels/rapid/GoogleCloudSDKInstaller.exe", "$env:Temp\GoogleCloudSDKInstaller.exe")

& $env:Temp\GoogleCloudSDKInstaller.exe

서비스 계정 키 등록 및 활성화

set GOOGLE_APPLICATION_CREDENTIALS=<키 파일 경로>
gcloud auth activate-service-account --key-file=<키 파일 경로>

위의 set GOOGLE_APPLICATION_CREDINTIALS 설정은 터미널이 한 번 종료되면 나중에 작업할 때 다시 설정해줘야 한다. 만약 이 과정이 귀찮다면 아래와 같이 시스템 환경 변수에 등록해주는 방법도 있음.

시스템 > 고급 시스템 설정

(파이썬이 설치되어 있다고 가정)
파이썬 가상환경 생성 및 활성화

python -m venv <가상환경 이름>
cd <가상환경 이름>/Scripts
activate

필요 패키지 설치

pip install google-cloud-storage
pip install google-cloud-speech
pip install SpeechRecognition
pip install PyAudio

Device 스피커 인식

STT 예제코드 다운로드

첫 번째 코드부터 실행해볼 것이다.
첫 번째 코드는 device의 스피커에서 내가 말하는 걸 인식하여 그대로 출력해주는 것이다.

첫 번째 코드 수정 부분

# google-cloud-speech가 2.0.0으로 업그레이드 되면서 이제 더이상 enums, types를 사용하지 않는다. speech로 모두 대체됨
from google.cloud import speech
# from google.cloud.speech import enums
# from google.cloud.speech import types

...


# main 함수에서 types와 enums로 들어가있던 부분 모두 speech로 변경
def main():
    # See http://g.co/cloud/speech/docs/languages
    # for a list of supported languages.
    language_code = 'ko-KR'  # a BCP-47 language tag

    client = speech.SpeechClient()
    config = speech.RecognitionConfig(
        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=RATE,
        language_code=language_code)
    streaming_config = speech.StreamingRecognitionConfig(
        config=config,
        interim_results=True)

    with MicrophoneStream(RATE, CHUNK) as stream:
        audio_generator = stream.generator()
        requests = (speech.StreamingRecognizeRequest(audio_content=content)
                    for content in audio_generator)

        responses = client.streaming_recognize(streaming_config, requests)

        # Now, put the transcription responses to use.
        listen_print_loop(responses)

코드 실행

음성 파일 인식

두 번째 코드를 실행하기 전에 몇 가지 작업해줘야 할 것이 있다.
1. 녹음 파일 준비
2. wav 형식으로 변경 및 녹음 파일의 sample_rate_hertz를 코드와 동일하게 설정

sample_rate_hertz란 모든 메시지에서 전송된 오디오 데이터의 헤르츠 단위 샘플링 속도를 의미하고 유효한 값은 8000-48000.
16000이 최적의 값이고 최상의 결과를 얻으려면 오디오 소스의 샘플링 속도를 16000Hz로 설정하는 것이 권장사항이다. 때문에 위에서 실행했던 코드와 아래 코드에 smaple_rate_hertz도 16000으로 설정되어 있을 것인데 이를 위해 녹음 파일의 sample_rate_hertz를 16000으로 변환해줄 것이다.

난 유튜브로 내가 듣고 있던 노래를 핸드폰으로 녹음했다.

하지만 이 파일은 wav 형식으로 변환해도 그대로 쓰면 코드의 sample_rate_hertz와 맞지 않을 것이다.

ffmpeg를 사용하여 변경해줄 수 있다.
ffmpeg 다운로드

7z 파일 압축 해제를 위한 반디집 설치
반디집 다운로드

반디집을 사용하여 압축 해제

압축 해제한 경로를 환경 변수에 등록
시스템 > 고급 시스템 설정 > 환경 변수

Powershell에서 아래 명령어를 사용하여 변환

ffmpeg -i <기존 파일 이름>.mp4 -acodec pcm_s16le -ac 1 -ar 16000 <바꿀 파일 이름>.wav

두 번째 코드 수정 부분

# google-cloud-speech가 2.0.0으로 업그레이드 되면서 이제 더이상 enums, types를 사용하지 않는다. speech로 모두 대체됨
from google.cloud import speech
# from google.cloud.speech import enums
# from google.cloud.speech import types


...


# types와 enums로 들어가있던 부분 모두 speech로 변경
    with io.open(file_name, 'rb') as audio_file:
        content = audio_file.read()
        audio = speech.RecognitionAudio(content=content)

    config = speech.RecognitionConfig(
        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=16000,
        language_code='ko-KR')
        

...


# response = client.recognize(config, audio) 이부분에서 에러가 날 경우 아래와 같이 수정
    response = client.recognize(
        request={"config": config, "audio": audio}
    )

변환한 wav 파일을 넣어주고 코드 실행