識別多語言音訊中的語言提高語言識別準確性結合語言識別與其他 Amazon Transcribe 功能使用語言識別與批次轉錄

使用批次轉錄作業進行語言識別

使用批次語言識別功能，自動識別媒體檔案中的語言。

如果您的媒體僅包含一種語言，您可以啟用單一語言識別功能，識別媒體檔案中所使用的優勢語言，並僅使用此語言建立文字記錄。

如果您的媒體包含一種以上的語言，您可以啟用多語言識別功能，識別媒體檔案中所使用的所有語言，並使用每種識別的語言建立您的文字記錄。請注意，會產生多語言文字記錄。您可以使用其他服務 Amazon Translate，例如翻譯成績單。

請參閱支援的語言表，了解支援語言和相關語言代碼的完整清單。

為了獲得最佳結果，請確保您的媒體檔案至少包含 30 秒的語音。

如需有關 AWS Management Console、 AWS CLI和 AWS Python SDK 的使用範例，請參閱使用語言識別與批次轉錄。

識別多語言音訊中的語言

多語言識別功能適用於多語言媒體檔案，並提供可反映媒體中所有支援語言的文字記錄。這代表如果發言者在對話中改變語言，或每個參與者說的是不同的語言，則您的轉錄輸出會正確偵測並轉錄每種語言。例如，如果您的媒體包含在美國英文 (en-US) 和印地文 (hi-IN)之間交替使用的雙語使用者，則多語言識別可以識別並將美國英文轉錄為 en-US，並將口語印地文轉錄為 hi-IN。

這與單一語言識別不同，只使用一種優勢語言以建立轉錄。在這種情況下，任何不是優勢語言的口語語言都會被錯誤轉錄。

注意

多語言識別目前不支援修訂和自訂語言模型。

注意

以下語言目前支援多種語言識別：en-AB、en-au、en-GB、EN-IE、恩-英、恩-紐西蘭、en-WL、恩 ZA、ES-ES、ES-US、FR-FR、zh-CN、日-tw、日-TW、PT-PT、德-DE、AF-ZA、日-AE、日-tw、日-tw、日-TW、PT-PT、德-DE、AF-ZA、阿聯、高-DK、日-DK、日-英、日、阿聯、阿聯、阿聯、阿聯、阿聯、阿爾-DK、阿聯、阿爾-TW、PT-PT、德-DE-IR，它，日本，日本，KO-KR，MS-我的，NL-NL，汝汝，他在，德英，TH-日，TR-TR

多語言文字記錄提供偵測到的語言摘要，以及媒體中每種語言的總使用時間。範例如下：


"results": {
        "transcripts": [
            {
                "transcript": "welcome to Amazon transcribe. ये तो उदाहरण हैं क्या कैसे कर सकते हैं ।一つのファイルに複数の言語を書き写す"
            }
        ],
    
    ...
    
        "language_codes": [
            {
                "language_code": "en-US",
                "duration_in_seconds": 2.45
            },
            {
                "language_code": "hi-IN",
                "duration_in_seconds": 5.325
            },
            {
                "language_code": "ja-JP",
                "duration_in_seconds": 4.15
            }
        ]
}

提高語言識別準確性

使用語言識別功能，您可以選擇包含您認為可能存在於媒體中的語言清單。包含語言選項 (LanguageOptions) 限制只能 Amazon Transcribe 使用您在將音訊與正確語言進行比對時所指定的語言，這樣可以加快語言識別速度，並提高與指定正確語言方言相關的準確性。

如果您選擇包含語言代碼，則必須包含至少兩個。您可以包含的語言代碼數量沒有限制，但我們建議您使用二到五個，以達到最佳的效率和準確性。

注意

如果您在要求中包含語言代碼，且您提供的語言代碼都不符合您音訊中識別的語言，請從您指定的語言代碼中 Amazon Transcribe 選取最接近的語言相符的語言。然後，它會產生該語言的文字記錄。例如，如果您的媒體使用美式英文 (en-US)，而且您提供 Amazon Transcribe 的語言代碼zh-CNfr-FRde-DE、和 Amazon Transcribe 很可能會將您的媒體與德文 (de-DE) 相符，並產生德文轉錄。語言代碼和口語語言不符可能會導致文字記錄不正確，因此我們建議您在包含語言代碼時要小心。

結合語言識別與其他 Amazon Transcribe 功能

您可以將批次語言識別與任何其他 Amazon Transcribe 功能結合使用。如果將語言識別與其他功能結合使用，則僅限於這些功能支援的語言。例如，如果將語言識別與內容密文搭配使用，您只能使用美式英文 (en-US) 或美國西班牙文 (es-US)，因為這只是可用於密文的語言。請參閱支援的語言和特定語言功能，了解詳細資訊。

重要

如果您在啟用內容密文的情況下使用自動語言識別功能，且您的音訊包含美式英文 (en-US) 或美國西班牙文 (es-US) 以外的語言，您的文字記錄中只會編輯美式英文或美式西班牙文內容。其他語言無法修訂，也且不回出現警告或工作失敗。

自訂語言模型，自訂詞彙和自訂詞彙篩選

如果您要在語言識別請求中新增一或多個自訂語言模型、自訂詞彙或自訂詞彙篩選，您必須加入 LanguageIdSettings 參數。然後，您可以使用對應的自訂語言模型、自訂詞彙和自訂詞彙篩選，指定語言代碼。請注意，多語言識別不支援自訂語言模型。

建議您在使用 LanguageIdSettings 時加入 LanguageOptions，以確保識別正確的語言方言。例如，如果您指定了en-US自訂字彙，但 Amazon Transcribe 決定媒體中所使用的語言為en-AU，則您的自訂字彙不會套用至您的轉錄。如果您加入 LanguageOptions 並指定 en-US 為唯一的英文方言，則您的自訂詞彙會套用至您的轉錄。

如需請求中的 LanguageIdSettings 範例，請參閱 AWS CLI 和使用語言識別與批次轉錄一節中 AWS SDK 下拉式面板中的選項 2 。

使用語言識別與批次轉錄

您可以使用 AWS Management Console、AWS CLI 或 AWS SDK，在批次轉錄作業中使用自動語言識別；請參閱下列範例：

登入 AWS Management Console。
在導覽窗格中，選擇轉錄作業，然後選擇建立作業(右上角)。這會開啟指定作業詳細資訊‭頁面。
在工作設定面板中，找到語言設定區段，然後選擇自動語言識別或 自動多語言識別。

如果您知道音訊檔案中有哪些語言，您可以選擇多種語言選項 (從選擇語言下拉式方塊中)。提供語言選項可以提高準確性，但不是必需。
填入您要包含在指定作業詳細資訊‭頁面上的任何其他欄位，然後選擇下一步。這會引導您前往設定工作 - 選擇性頁面。
選擇建立作業以執行轉錄作業。

此範例使用指start-transcription-job令和IdentifyLanguage參數。如需詳細資訊，請參閱 StartTranscriptionJob 及 LanguageIdSettings。

選項 1：沒有 language-id-settings 參數。如果您未在請求中包含自訂語言模型、自訂詞彙或自訂詞彙篩選，請使用此選項。language-options 為選用操作，但建議您採用。


aws transcribe start-transcription-job \
--region us-west-2 \
--transcription-job-name my-first-transcription-job \
--media MediaFileUri=s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac \
--output-bucket-name DOC-EXAMPLE-BUCKET \
--output-key my-output-files/ \    
--identify-language \  (or --identify-multiple-languages) \
--language-options "en-US" "hi-IN"

選項 2：使用 language-id-settings 參數。如果您要在請求中包含自訂語言模型、自訂詞彙或自訂詞彙篩選，請使用此選項。


aws transcribe start-transcription-job \
--region us-west-2 \
--transcription-job-name my-first-transcription-job \
--media MediaFileUri=s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac \
--output-bucket-name DOC-EXAMPLE-BUCKET \
--output-key my-output-files/ \
--identify-language \  (or --identify-multiple-languages)
--language-options "en-US" "hi-IN" \
--language-id-settings en-US=VocabularyName=my-en-US-vocabulary,en-US=VocabularyFilterName=my-en-US-vocabulary-filter,en-US=LanguageModelName=my-en-US-language-model,hi-IN=VocabularyName=my-hi-IN-vocabulary,hi-IN=VocabularyFilterName=my-hi-IN-vocabulary-filter

以下是使用start-transcription-job命令的另一個範例，以及識別語言的要求主體。


aws transcribe start-transcription-job \
--region us-west-2 \
--cli-input-json file://filepath/my-first-language-id-job.json

該文件 my-first-language-id-job.json 包含以下請求主體。

選項 1：沒有 LanguageIdSettings 參數。如果您未在請求中包含自訂語言模型、自訂詞彙或自訂詞彙篩選，請使用此選項。LanguageOptions 為選用操作，但建議您採用。


{
  "TranscriptionJobName": "my-first-transcription-job",  
  "Media": {
        "MediaFileUri": "s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac"
   },
  "OutputBucketName": "DOC-EXAMPLE-BUCKET",
  "OutputKey": "my-output-files/", 
  "IdentifyLanguage": true,  (or "IdentifyMultipleLanguages": true),
  "LanguageOptions": [
        "en-US", "hi-IN"  
  ]
}

選項 2：使用 LanguageIdSettings 參數。如果您要在請求中包含自訂語言模型、自訂詞彙或自訂詞彙篩選，請使用此選項。


{
   "TranscriptionJobName": "my-first-transcription-job",  
   "Media": {
        "MediaFileUri": "s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac"
   },
   "OutputBucketName": "DOC-EXAMPLE-BUCKET",
   "OutputKey": "my-output-files/", 
   "IdentifyLanguage": true,  (or "IdentifyMultipleLanguages": true)
   "LanguageOptions": [
        "en-US", "hi-IN"  
   ],
   "LanguageIdSettings": { 
         "en-US" : { 
            "LanguageModelName": "my-en-US-language-model",
            "VocabularyFilterName": "my-en-US-vocabulary-filter",
            "VocabularyName": "my-en-US-vocabulary"
         },
         "hi-IN": {
             "VocabularyName": "my-hi-IN-vocabulary",
             "VocabularyFilterName": "my-hi-IN-vocabulary-filter"
         }
    }
}

這個範例會使用開始工作方法的IdentifyLanguage引數 AWS SDK for Python (Boto3) 來識別檔案的語言。如需詳細資訊，請參閱 StartTranscriptionJob 及 LanguageIdSettings。

如需使用 AWS SDK 的其他範例，包括特定功能、案例和跨服務範例，請參閱本章。使用 SDK 進行 Amazon Transcribe 的代碼示例 AWS


from __future__ import print_function
import time
import boto3
transcribe = boto3.client('transcribe', 'us-west-2')
job_name = "my-first-transcription-job"
job_uri = "s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac"
transcribe.start_transcription_job(
    TranscriptionJobName = job_name,
    Media = {
        'MediaFileUri': job_uri
    },
    OutputBucketName = 'DOC-EXAMPLE-BUCKET',
    OutputKey = 'my-output-files/',
    MediaFormat = 'flac',
    IdentifyLanguage = True,  (or IdentifyMultipleLanguages = True),
    LanguageOptions = [
        'en-US', 'hi-IN'
    ]
)

while True:
    status = transcribe.get_transcription_job(TranscriptionJobName = job_name)
    if status['TranscriptionJob']['TranscriptionJobStatus'] in ['COMPLETED', 'FAILED']:
        break
    print("Not ready yet...")
    time.sleep(5)
print(status)

選項 2：使用 LanguageIdSettings 參數。如果您要在請求中包含自訂語言模型、自訂詞彙或自訂詞彙篩選，請使用此選項。


from __future__ import print_function
import time
import boto3
transcribe = boto3.client('transcribe')
job_name = "my-first-transcription-job"
job_uri = "s3://DOC-EXAMPLE-BUCKET/my-input-files/my-media-file.flac"
transcribe.start_transcription_job(
    TranscriptionJobName = job_name,
    Media = {
        'MediaFileUri': job_uri
    },
    OutputBucketName = 'DOC-EXAMPLE-BUCKET',
    OutputKey = 'my-output-files/', 
    MediaFormat='flac',
    IdentifyLanguage=True,  (or IdentifyMultipleLanguages=True)
    LanguageOptions = [
        'en-US', 'hi-IN'
    ],
    LanguageIdSettings={
        'en-US': {
            'VocabularyName': 'my-en-US-vocabulary',
            'VocabularyFilterName': 'my-en-US-vocabulary-filter',
            'LanguageModelName': 'my-en-US-language-model'
        },
        'hi-IN': {
            'VocabularyName': 'my-hi-IN-vocabulary',
            'VocabularyFilterName': 'my-hi-IN-vocabulary-filter'
        }   
    }
)

while True:
    status = transcribe.get_transcription_job(TranscriptionJobName = job_name)
    if status['TranscriptionJob']['TranscriptionJobStatus'] in ['COMPLETED', 'FAILED']:
        break
    print("Not ready yet...")
    time.sleep(5)
print(status)

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

識別語言

串流語言識別