Zamiana mowy na tekst przy użyciu transkrypcji Amazon w PHP

Ostatnia aktualizacja paź 18, 2021

Ostatnio pracowałem nad projektem, w którym zapoznałem się z usługą Amazon Transscribe. Chcieliśmy dodać funkcję konwersji mowy na tekst w naszej aplikacji. Odkryliśmy, że najlepiej do tego nadaje się Amazon Transcribe. Amazon Transscribe wykorzystuje proces głębokiego uczenia się zwany automatycznym rozpoznawaniem mowy (ASR), aby szybko i dokładnie konwertować mowę na tekst.

W tym artykule pokażę, jak przekonwertować mowę na tekst za pomocą Amazon Transcribe w PHP. Wykorzystamy oficjalny pakiet AWS SDK zbudowany do programowania w PHP.

Pierwsze kroki

Aby rozpocząć, powinieneś mieć konto AWS. Zaloguj się na swoje konto AWS i pobierz swoje dane uwierzytelniające. Te poświadczenia będą nam potrzebne w dalszej części samouczka.

Następnie zainstaluj bibliotekę PHP AWS SDK za pomocą polecenia Composer:


composer require aws/aws-sdk-php

Aby przekonwertować mowę na tekst, potrzebujesz gotowych plików multimedialnych. Dozwolone formaty multimediów to mp3 | mp4 | wav | flac. Oprócz tego dostępnych jest kilka języków do konwersji mowy na tekst. Możesz zobaczyć wszystkie obsługiwane języki i podstawowe informacje o parametrach w ich dokumentacji. Użytkownik może konwertować mowę obsługiwanych języków na tekst.

Integrując Amazon Transcribe w aplikacji, musimy zbudować przepływ w następujący sposób:

Prześlij plik multimedialny do S3 Bucket.
Utwórz wystąpienie klienta Amazon Transscribe.
Rozpocznij zadanie transkrypcji usługi Amazon Transcribe, przekazując adres URL mediów S3 i unikalny identyfikator zadania.
Usługa Amazon Transscribe może potrwać kilka minut, aby zakończyć proces tłumaczenia. Więc poczekaj na to.
Pobierz plik tekstowy po zakończeniu przez AWS zadania transkrypcji.

Zobaczmy, jak obsłużyć ten przepływ z rzeczywistym kodem PHP.

Zamiana mowy na tekst przy użyciu transkrypcji Amazon w PHP

Najpierw utwórz formularz HTML, w którym użytkownicy mogą przeglądać plik multimedialny i nacisnąć przycisk przesyłania. Po przesłaniu pobieramy plik multimedialny do dalszego przetwarzania i na koniec wysyłamy tekst tłumaczenia z powrotem do przeglądarki w formacie pliku „.txt".


<form method="post" enctype="multipart/form-data">
    <p><input type="file" name="audio" accept="audio/*,video/*" /></p>
    <input type="submit" name="submit" value="Submit" />
</form>

Po stronie PHP musisz wysłać plik multimedialny do usługi AWS w celu przetworzenia, więc dołącz środowisko AWS w następujący sposób.


<?php
require 'vendor/autoload.php';
  
use AwsS3S3Client;
use AwsTranscribeServiceTranscribeServiceClient;
 
// submission code

Następnie prześlij plik multimedialny do zasobnika S3. I pobierz adres URL S3 przesłanych multimediów.


if (isset($_POST['submit'])) {
 
    $arr_mime_types = ['audio/wav', 'audio/mpeg', 'video/mp4', 'audio/x-flac'];
    if (!in_array($_FILES['audio']['type'], $arr_mime_types)) {
        die('File type is not allowed');
    }
 
    $region = 'PASS_REGION';
    $access_key = 'ACCESS_KEY';
    $secret_access_key = 'SECRET_ACCESS_KEY';
 
    // Instantiate an Amazon S3 client.
    $s3 = new S3Client([
        'version' => 'latest',
        'region'  => $region,
        'credentials' => [
            'key'    => $access_key,
            'secret' => $secret_access_key
        ]
    ]);
 
    $bucketName = 'PASS_BUCKET_NAME';
    $key = basename($_FILES['audio']['name']);
 
    // upload file on S3 Bucket
    try {
        $result = $s3->putObject([
            'Bucket' => $bucketName,
            'Key'    => $key,
            'Body'   => fopen($_FILES['audio']['tmp_name'], 'r'),
            'ACL'    => 'public-read',
        ]);
        $audio_url = $result->get('ObjectURL');
 
        // Amazon Transcribe service start here
    }  catch (Exception $e) {
        echo $e->getMessage();
    }
}

Pamiętaj, aby zastąpić symbole zastępcze rzeczywistymi wartościami. Następnie musimy przekazać adres URL przesłanego multimediów do usługi Amazon Transscribe. Wymaga również unikalnego identyfikatora pracy, który stworzę tą uniqid()metodą.


// Create Amazon Transcribe Client
$awsTranscribeClient = new TranscribeServiceClient([
    'region' => $region,
    'version' => 'latest',
    'credentials' => [
        'key'    => $access_key,
        'secret' => $secret_access_key
    ]
]);
 
// Start a Transcription Job
$job_id = uniqid();
$transcriptionResult = $awsTranscribeClient->startTranscriptionJob([
        'LanguageCode' => 'en-US',
        'Media' => [
            'MediaFileUri' => $audio_url,
        ],
        'TranscriptionJobName' => $job_id,
]);
 
$status = array();
while(true) {
    $status = $awsTranscribeClient->getTranscriptionJob([
        'TranscriptionJobName' => $job_id
    ]);
 
    if ($status->get('TranscriptionJob')['TranscriptionJobStatus'] == 'COMPLETED') {
        break;
    }
 
    sleep(5);
}
 
// download the txt file

W powyższym kodzie tworzymy instancję klienta transkrypcji Amazon i rozpoczynamy zadanie transkrypcji. Ukończenie procesu tłumaczenia może potrwać kilka minut. Obsłużyłem to za pomocą pętli while i metody sleep(). Sprawdzam, czy proces się kończy co 5 sekund i przerywam pętlę po zakończeniu procesu.

Możesz zobaczyć ten proces transkrypcji na pulpicie nawigacyjnym AWS w zakładce Amazon Transcribe->Transkrypcja, jak pokazano na zrzucie ekranu poniżej.

Na koniec pobierz plik, korzystając z poniższego kodu.


$url = $status->get('TranscriptionJob')['Transcript']['TranscriptFileUri'];
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_HEADER, false);
$data = curl_exec($curl);
if (curl_errno($curl)) {
    $error_msg = curl_error($curl);
    echo $error_msg;
}
curl_close($curl);
$arr_data = json_decode($data);
 
// download a file
$file = $job_id.".txt";
$txt = fopen($file, "w") or die("Unable to open file!");
fwrite($txt, $arr_data->results->transcripts[0]->transcript);
fclose($txt);
 
header('Content-Description: File Transfer');
header('Content-Disposition: attachment; filename='.basename($file));
header('Expires: 0');
header('Cache-Control: must-revalidate');
header('Pragma: public');
header('Content-Length: '. filesize($file));
header("Content-Type: text/plain");
readfile($file);
exit();

Ten kod wysyła wygenerowany plik tekstowy do przeglądarki, aby użytkownik mógł go pobrać.

Kod próbki końcowej

Kod napisany powyżej jest porcjami. Jeśli chcesz mieć cały kod razem, to wygląda następująco.


<?php
set_time_limit(0);
 
require 'vendor/autoload.php';
  
use AwsS3S3Client;
use AwsTranscribeServiceTranscribeServiceClient;
 
if (isset($_POST['submit'])) {
 
    $arr_mime_types = ['audio/wav', 'audio/mpeg', 'video/mp4', 'audio/x-flac'];
    if (!in_array($_FILES['audio']['type'], $arr_mime_types)) {
        die('File type is not allowed');
    }
 
    $region = 'PASS_REGION';
    $access_key = 'ACCESS_KEY';
    $secret_access_key = 'SECRET_ACCESS_KEY';
 
    // Instantiate an Amazon S3 client.
    $s3 = new S3Client([
        'version' => 'latest',
        'region'  => $region,
        'credentials' => [
            'key'    => $access_key,
            'secret' => $secret_access_key
        ]
    ]);
 
    $bucketName = 'PASS_BUCKET_NAME';
    $key = basename($_FILES['audio']['name']);
 
    // upload file on S3 Bucket
    try {
        $result = $s3->putObject([
            'Bucket' => $bucketName,
            'Key'    => $key,
            'Body'   => fopen($_FILES['audio']['tmp_name'], 'r'),
            'ACL'    => 'public-read',
        ]);
        $audio_url = $result->get('ObjectURL');
 
        // Create Amazon Transcribe Client
        $awsTranscribeClient = new TranscribeServiceClient([
            'region' => $region,
            'version' => 'latest',
            'credentials' => [
                'key'    => $access_key,
                'secret' => $secret_access_key
            ]
        ]);
 
        // Start a Transcription Job
        $job_id = uniqid();
        $transcriptionResult = $awsTranscribeClient->startTranscriptionJob([
                'LanguageCode' => 'en-US',
                'Media' => [
                    'MediaFileUri' => $audio_url,
                ],
                'TranscriptionJobName' => $job_id,
        ]);
 
        $status = array();
        while(true) {
            $status = $awsTranscribeClient->getTranscriptionJob([
                'TranscriptionJobName' => $job_id
            ]);
 
            if ($status->get('TranscriptionJob')['TranscriptionJobStatus'] == 'COMPLETED') {
                break;
            }
 
            sleep(5);
        }
 
        $url = $status->get('TranscriptionJob')['Transcript']['TranscriptFileUri'];
        $curl = curl_init();
        curl_setopt($curl, CURLOPT_URL, $url);
        curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
        curl_setopt($curl, CURLOPT_HEADER, false);
        $data = curl_exec($curl);
        if (curl_errno($curl)) {
            $error_msg = curl_error($curl);
            echo $error_msg;
        }
        curl_close($curl);
        $arr_data = json_decode($data);
 
        // download a file
        $file = $job_id.".txt";
        $txt = fopen($file, "w") or die("Unable to open file!");
        fwrite($txt, $arr_data->results->transcripts[0]->transcript);
        fclose($txt);
 
        header('Content-Description: File Transfer');
        header('Content-Disposition: attachment; filename='.basename($file));
        header('Expires: 0');
        header('Cache-Control: must-revalidate');
        header('Pragma: public');
        header('Content-Length: '. filesize($file));
        header("Content-Type: text/plain");
        readfile($file);
        exit();
    }  catch (Exception $e) {
        echo $e->getMessage();
    }
}
?>
<form method="post" enctype="multipart/form-data">
    <p><input type="file" name="audio" accept="audio/*,video/*" /></p>
    <input type="submit" name="submit" value="Submit" />
</form>

Mam nadzieję, że rozumiesz, jak konwertować mowę na tekst za pomocą Amazon Transscribe w PHP. Podziel się swoimi przemyśleniami i sugestiami w sekcji komentarzy poniżej.

Powiązane artykuły

Źródło nagrywania: artisansweb.net