Criar um vocabulário personalizado usando uma tabela

Usar um formato de tabela é a forma preferencial de criar um vocabulário personalizado. As tabelas de vocabulário devem consistir em quatro colunas (Phrase, SoundsLike, IPA, and DisplayAs), que podem ser incluídas em qualquer ordem:

Phrase	SoundsLike	IPA	DisplayAs
Obrigatório. Cada linha na tabela deve conter uma entrada nessa coluna. Não use espaços nessa coluna. Se a entrada tiver várias palavras, separe cada uma com um hífen (-). Por exemplo, o Andorra-la-Vella ou o Los-Angeles. Para acrônimos, todas as letras pronunciadas devem ser separadas por um ponto. O ponto final também precisa ser pronunciado. Se o acrônimo estiver no plural, você deverá usar um hífen entre ele e o “s”. Por exemplo, “CLI” é C.L.I. (não C.L.I) e “ABCs” é A.B.C.-s (não A.B.C-s). Se a frase consistir em uma palavra e um acrônimo, esses dois componentes devem ser separados por um hífen. Por exemplo, “DynamoDB” é Dynamo-D.B.. Não inclua dígitos nessa coluna; os números devem ser escritos por extenso. Por exemplo, “VX02Q” é V.X.-zero-two-Q..	SoundsLikenão é mais compatível com o vocabulário personalizado. Por favor, deixe a coluna vazia. Todos os valores nessa coluna serão ignorados. Nós removeremos o suporte para essa coluna futuramente.	IPAnão é mais compatível com o vocabulário personalizado. Por favor, deixe a coluna vazia. Todos os valores nessa coluna serão ignorados. Nós removeremos o suporte para essa coluna futuramente.	Opcional. As linhas nessa coluna podem ser deixadas vazias. Não é possível usar espaços nessa coluna. Define como você deseja que a entrada apareça na saída da transcrição. Por exemplo, Andorra-la-Vella na coluna Phrase está como Andorra la Vella na coluna DisplayAs. Se uma linha nessa coluna estiver vazia, Amazon Transcribe usa o conteúdo da Phrase coluna para determinar a saída. Você pode incluir dígitos (0-9) nessa coluna.

Fatores a observar ao criar a tabela:

• Sua tabela deve conter os quatro cabeçalhos (Phrase, SoundsLike, IPA, and DisplayAs) das colunas. A Phrase coluna deve conter uma entrada em cada linha. A capacidade de fornecer entradas de pronúncia por meio IPA e não SoundsLike é mais suportada, e você pode deixar a coluna vazia. Todos os valores nessas colunas serão ignorados.

• Cada coluna deve ser delineada com TAB ou vírgula (,); isso se aplica a todas as linhas do arquivo de vocabulário personalizado. Se uma linha tiver colunas vazias, você também deverá incluir um delineador (TAB ou vírgula) para cada coluna.

• Os espaços só são permitidos nas colunas IPA e DisplayAs. Não use espaços para separar colunas.

• IPAe não SoundsLike são mais compatíveis com o vocabulário personalizado. Por favor, deixe a coluna vazia. Todos os valores nessas colunas serão ignorados. Nós removeremos o suporte para essa coluna futuramente.

• A coluna DisplayAs aceita símbolos e caracteres especiais (por exemplo, C++). Todas as outras colunas permitem os caracteres listados na página de conjunto de caracteres do seu idioma.

• Se quiser incluir números na coluna Phrase, você deve soletrá-los. Só é possível usar dígitos (0-9) na coluna DisplayAs.

• Você deve salvar a tabela como um arquivo de texto simples (*.txt) no formato LF. Se você usar qualquer outro formato, como CRLF, seu vocabulário personalizado não poderá ser processado.

• Você deve carregar seu arquivo de vocabulário personalizado em um Amazon S3 bucket e processá-lo CreateVocabularyantes de incluí-lo em uma solicitação de transcrição. Consulte Criar tabelas de vocabulário personalizado para ver as instruções.

nota

Insira acrônimos ou outras palavras cujas letras devem ser pronunciadas individualmente como letras únicas separadas por pontos (A.B.C.). Para especificar a forma plural de um acrônimo, como “ABCs”, separe o “s” do acrônimo com um hífen (A.B.C.-s). É possível usar letras maiúsculas ou minúsculas para definir um acrônimo. Nem todos os idiomas aceitam acrônimos. Consulte Idiomas oferecidos e recursos específicos do idioma.

Veja um exemplo de tabela de vocabulário personalizado (em que [TAB] representa um caractere de tabulação):

Phrase[TAB]SoundsLike[TAB]IPA[TAB]DisplayAs
Los-Angeles[TAB][TAB][TAB]Los Angeles
Eva-Maria[TAB][TAB][TAB]
A.B.C.-s[TAB][TAB][TAB]ABCs
Amazon-dot-com[TAB][TAB][TAB]Amazon.com
C.L.I.[TAB][TAB][TAB]CLI
Andorra-la-Vella[TAB][TAB][TAB]Andorra la Vella
Dynamo-D.B.[TAB][TAB][TAB]DynamoDB
V.X.-zero-two[TAB][TAB][TAB]VX02
V.X.-zero-two-Q.[TAB][TAB][TAB]VX02Q

Para maior clareza visual, apresentamos a mesma tabela com colunas alinhadas. Não adicione espaços entre as colunas na tabela de vocabulário personalizado; a tabela deve ficar desalinhada, como no exemplo anterior.

Phrase          [TAB]SoundsLike          [TAB]IPA                [TAB]DisplayAs  
Los-Angeles     [TAB]                    [TAB]                   [TAB]Los Angeles   
Eva-Maria       [TAB]                    [TAB]                   [TAB]
A.B.C.-s        [TAB]                    [TAB]                   [TAB]ABCs  
amazon-dot-com  [TAB]                    [TAB]                   [TAB]amazon.com
C.L.I.          [TAB]                    [TAB]                   [TAB]CLI   
Andorra-la-Vella[TAB]                    [TAB]                   [TAB]Andorra la Vella
Dynamo-D.B.     [TAB]                    [TAB]                   [TAB]DynamoDB
V.X.-zero-two   [TAB]                    [TAB]                   [TAB]VX02
V.X.-zero-two-Q.[TAB]                    [TAB]                   [TAB]VX02Q

Criar tabelas de vocabulário personalizado

Para processar uma tabela de vocabulário personalizada para uso com Amazon Transcribe, veja os exemplos a seguir:

AWS Management Console

1. Faça login no AWS Management Console.

2. No painel de navegação, selecione Vocabulário personalizado. Isso abre a página Vocabulário personalizado, na qual você pode visualizar os vocabulários existentes ou criar um.

3. Selecione Criar vocabulário.

   

   Isso abre a página Criar vocabulário. Insira um nome para o novo vocabulário personalizado.

   Aqui, você tem três opções:

   1. Carregue um arquivo txt ou csv de seu computador.

      Você pode criar o vocabulário personalizado do zero ou baixar um modelo para ajudar você a começar. O vocabulário é preenchido automaticamente no painel Visualize e edite o vocabulário.

      

   2. Importe um arquivo txt ou csv de um Amazon S3 local.

      Você pode criar o vocabulário personalizado do zero ou baixar um modelo para ajudar você a começar. Carregue o arquivo do vocabulário finalizado em um bucket do Amazon S3 e especifique o URI dele em sua solicitação. O vocabulário é preenchido automaticamente no painel Visualize e edite o vocabulário.

      

   3. Crie manualmente o vocabulário no console.

      Role até o painel Visualize e edite o vocabulário e selecione Adicionar 10 linhas. Agora você pode inserir termos manualmente.

      

4. É possível editar o vocabulário no painel Visualize e edite o vocabulário. Para fazer alterações, clique na entrada que deseja modificar.

   

   Se cometer um erro, você receberá uma mensagem de erro detalhada para poder corrigir qualquer problema antes de processar o vocabulário. Observe que, se você não corrigir todos os erros antes de selecionar Criar vocabulário, a solicitação de vocabulário falhará.

   

   Selecione a marca de seleção (✓) para salvar as alterações ou o “X” para descartá-las.

5. Se preferir, adicione tags ao vocabulário personalizado. Depois que você preencher todos os campos e estiver contente com o vocabulário, selecione Criar vocabulário na parte inferior da página. Isso leva você de volta à página Vocabulário personalizado, onde é possível ver o status do vocabulário personalizado. Quando o status muda de “Pendente” para “Pronto”, o vocabulário personalizado pode ser usado com uma transcrição.

   

6. Se o status mudar para “Falhou”, selecione o nome do vocabulário personalizado para acessar a página de informações.

   

   Há um banner Motivo da falha na parte superior dessa página que fornece informações sobre o motivo da falha do vocabulário personalizado. Corrija o erro no arquivo de texto e tente novamente.

   

AWS CLI

Este exemplo usa o comando create-vocabulary com um arquivo de vocabulário em formato de tabela. Para ter mais informações, consulte CreateVocabulary.

Para usar um vocabulário personalizado existente em um trabalho de transcrição, defina o VocabularyName no Settingscampo ao chamar a StartTranscriptionJoboperação ou, a partir do AWS Management Console, escolha o vocabulário personalizado na lista suspensa.

aws transcribe create-vocabulary \ 
--vocabulary-name my-first-vocabulary \ 
--vocabulary-file-uri s3://DOC-EXAMPLE-BUCKET/my-vocabularies/my-vocabulary-file.txt \
--language-code en-US

Veja a seguir outro exemplo usando o comando create-vocabulary e um corpo de solicitação que cria o vocabulário personalizado.

aws transcribe create-vocabulary \
--cli-input-json file://filepath/my-first-vocab-table.json

O arquivo my-first-vocab-table.json contém o seguinte corpo da solicitação.

{
  "VocabularyName": "my-first-vocabulary",
  "VocabularyFileUri": "s3://DOC-EXAMPLE-BUCKET/my-vocabularies/my-vocabulary-table.txt",
  "LanguageCode": "en-US"
}

Assim que VocabularyState muda de PENDING para READY, seu vocabulário personalizado estará pronto para ser usado com uma transcrição. Execute o comando para visualizar o status atual do vocabulário personalizado:

aws transcribe get-vocabulary \
--vocabulary-name my-first-vocabulary

AWS SDK for Python (Boto3)

Este exemplo usa o AWS SDK for Python (Boto3) para criar um vocabulário personalizado a partir de uma tabela usando o método create_vocabulary. Para ter mais informações, consulte CreateVocabulary.

Para usar um vocabulário personalizado existente em um trabalho de transcrição, defina o VocabularyName no Settingscampo ao chamar a StartTranscriptionJoboperação ou, a partir do AWS Management Console, escolha o vocabulário personalizado na lista suspensa.

Para ver exemplos adicionais de uso dos AWS SDKs, incluindo exemplos específicos de recursos, cenários e entre serviços, consulte o capítulo. Exemplos de código para o Amazon Transcribe usando SDKs AWS

from __future__ import print_function
import time
import boto3
transcribe = boto3.client('transcribe', 'us-west-2')
vocab_name = "my-first-vocabulary"
response = transcribe.create_vocabulary(
    LanguageCode = 'en-US',
    VocabularyName = vocab_name,
    VocabularyFileUri = 's3://DOC-EXAMPLE-BUCKET/my-vocabularies/my-vocabulary-table.txt'
)

while True:
    status = transcribe.get_vocabulary(VocabularyName = vocab_name)
    if status['VocabularyState'] in ['READY', 'FAILED']:
        break
    print("Not ready yet...")
    time.sleep(5)
print(status)

nota

Se você criar um novo Amazon S3 bucket para seus arquivos de vocabulário personalizados, certifique-se de que a IAM função que faz a CreateVocabularysolicitação tenha permissões para acessar esse bucket. Se o perfil não tiver as permissões corretas, sua solicitação falhará. Opcionalmente, você pode especificar uma IAM função em sua solicitação incluindo o DataAccessRoleArn parâmetro. Para obter mais informações sobre IAM funções e políticas em Amazon Transcribe, consulteExemplos de políticas baseadas em identidade do Amazon Transcribe.