Transcrever streaming de áudio - Amazon Transcribe
Práticas recomendadas

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Transcrever streaming de áudio

Usando o Amazon Transcribe streaming, você pode produzir transcrições em tempo real para seu conteúdo de mídia. Ao contrário das transcrições em lote, que envolvem o upload de arquivos de mídia, a mídia de streaming é entregue Amazon Transcribe em tempo real. Amazon Transcribe em seguida, retorna uma transcrição, também em tempo real.

O streaming pode incluir mídia pré-gravada (filmes, músicas e podcasts) e mídia em tempo real (transmissões de notícias ao vivo). Os casos de uso comuns de streaming Amazon Transcribe incluem legendas ocultas ao vivo para eventos esportivos e monitoramento em tempo real do áudio da central de atendimento.

O conteúdo de streaming é fornecido como uma série de pacotes de dados sequenciais ou “blocos” que o Amazon Transcribe transcreve instantaneamente. As vantagens de usar streaming em lote incluem speech-to-text recursos em tempo real em seus aplicativos e tempos de transcrição mais rápidos. No entanto, essa maior velocidade pode ter limitações de precisão em alguns casos.

Amazon Transcribe oferece as seguintes opções para streaming:

Para transcrever o streaming de áudio no AWS Management Console, fale no microfone do computador.

dica

Para exemplos de código do SDK, consulte o repositório AWS Samples em. GitHub

Os formatos de áudio compatíveis para transcrições de streaming são:

  • FLAC

  • Áudio codificado em OPUS em um contêiner Ogg

  • PCM (somente formatos de áudio little-endian assinados de 16 bits, que não incluem WAV)

Formatos sem perdas (FLAC ou PCM) são recomendados.

nota

As transcrições de streaming não são compatíveis com todos os idiomas. Consulte a coluna “Entrada de dados” na tabela de idiomas oferecidos para obter detalhes.

Para ver a disponibilidade da Amazon Transcribe região para transcrições de streaming, consulte: Amazon Transcribe Endpoints e cotas.

Práticas recomendadas

As recomendações a seguir melhoram a eficiência da transcrição de streaming:

  • Se possível, use áudio codificado em PCM.

  • Garanta que o streaming seja o mais próximo possível do tempo real.

  • A latência depende do tamanho dos fragmentos de áudio. Se você conseguir especificar o tamanho do fragmento com o tipo de áudio (como com o PCM), defina cada fragmento entre 50 ms e 200 ms. É possível calcular o tamanho do fragmento de áudio usando a seguinte fórmula: 

    chunk_size_in_bytes = chunk_duration_in_millisecond / 1000 * audio_sample_rate * 2

  • Use um tamanho de fragmento uniforme.

  • Especifique corretamente o número de canais de áudio.

  • Com o áudio PCM de canal único, cada amostra consiste em 2 bytes, portanto, cada bloco deve consistir em um número par de bytes.

  • Com o áudio PCM de canal duplo, cada amostra consiste em 4 bytes, portanto, cada bloco deve ser um múltiplo de 4 bytes.

  • Quando o streaming de áudio não contiver fala, codifique e envie a mesma quantidade de silêncio. Por exemplo, o silêncio para PCM é um streaming de zero bytes.

  • Especifique a taxa de amostragem correta para o áudio. Se possível, grave com uma taxa de amostragem de 16.000 Hz, que fornece a melhor conciliação entre qualidade e volume de dados enviados pela rede. Observe que a maioria dos microfones de última geração grava a 44.100 Hz ou 48.000 Hz.