轉錄多聲道音訊 - Amazon Transcribe
批次轉錄中使用聲道識別在串流轉錄中使用聲道識別

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

轉錄多聲道音訊

如果您的音訊有兩個頻道，您可以使用頻道識別來分別轉錄每個頻道的語音。 Amazon Transcribe 目前不支援具有兩個頻道以上的音訊。

在您的文字記錄中，聲道會指定標籤 ch_0 和 ch_1。

除了標準文字記錄區段 (transcripts 和 items) 之外，啟用聲道識別的請求還包括一個 channel_labels 區段。此區段包含每個語音符號或標點符號，並依聲道分組，以及其相關的聲道標籤、時間戳記和可信度分數。

"channel_labels": {
    "channels": [
        {
            "channel_label": "ch_0",
            "items": [                                      
                {
                    "channel_label": "ch_0",
                    "start_time": "4.86",
                    "end_time": "5.01",
                    "alternatives": [
                        {
                            "confidence": "1.0",
                            "content": "I've"
                        }
                    ],
                    "type": "pronunciation"
                },
                ...               
            "channel_label": "ch_1",
            "items": [
                {
                    "channel_label": "ch_1",
                    "start_time": "8.5",
                    "end_time": "8.89",
                    "alternatives": [
                        {
                            "confidence": "1.0",
                            "content": "Sorry"
                        }
                    ],
                    "type": "pronunciation"
                },
                ...
            "number_of_channels": 2
        },

請注意，如果某個聲道上的使用者與不同聲道上的使用者同時說話，則每個聲道的時間戳記會重疊，而個人彼此交談。

若要檢視具有通道識別功能的完整範例記錄，請參閱 範例聲道識別輸出 (批次處理)。

批次轉錄中使用聲道識別

若要識別批次轉錄中的聲道，您可以使用 AWS Management Console、AWS CLI 或 AWS SDK；請參閱下列範例：

  1. 登入 AWS Management Console。

  2. 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。

    Amazon Transcribe 主控台「指定任務詳細資訊」頁面。在「任務設定」面板中，您可以指定轉錄作業的名稱、選擇模型類型，並指定語言設定。

  3. 填寫您要包含在指定作業詳細資訊頁面上的任何欄位，然後選擇下一步。這會引導您前往設定工作 - 選擇性頁面。

    在 音訊設定 面板中，選擇 聲道識別(在「音訊識別類型」標題下)。

    Amazon Transcribe 主控台「設定任務」頁面。在「音訊設定」面板，您可以啟用聲道識別。

  4. 選擇建立作業以執行轉錄作業。

此範例使用 start-transcription-job。如需詳細資訊，請參閱StartTranscriptionJob。

aws transcribe start-transcription-job \
--region us-west-2 \
--transcription-job-name my-first-transcription-job \
--media MediaFileUri=s3://amzn-s3-demo-bucket/my-input-files/my-media-file.flac \
--output-bucket-name amzn-s3-demo-bucket \
--output-key my-output-files/ \
--language-code en-US \
--settings ChannelIdentification=true

以下是使用 start-transcription-job 的另一個範例，以及啟用該工作的聲道識別的請求主文。

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

檔案 my-first-transcription-job.json 包含以下請求主文。

{
    "TranscriptionJobName": "my-first-transcription-job",
    "Media": {
        "MediaFileUri": "s3://amzn-s3-demo-bucket/my-input-files/my-media-file.flac"
  },
    "OutputBucketName": "amzn-s3-demo-bucket",
    "OutputKey": "my-output-files/", 
    "LanguageCode": "en-US",
    "Settings": {
        "ChannelIdentification": true
    }
}

此範例使用 AWS SDK for Python (Boto3) 來識別使用 start_transcription_job 方法的頻道。如需詳細資訊，請參閱 StartTranscriptionJob。

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://amzn-s3-demo-bucket/my-input-files/my-media-file.flac"
transcribe.start_transcription_job(
    TranscriptionJobName = job_name,
    Media = {
        'MediaFileUri': job_uri
    },
    OutputBucketName = 'amzn-s3-demo-bucket',
    OutputKey = 'my-output-files/', 
    LanguageCode = 'en-US', 
    Settings = {
        'ChannelIdentification':True
    }
)

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)

在串流轉錄中使用聲道識別

若要識別串流轉錄中的聲道，您可以使用 HTTP/2 或 WebSockets；請參閱下列範例：

此範例會建立 HTTP/2 要求，以分隔轉錄輸出中的聲道。如需搭配 HTTP/2 串流使用的詳細資訊 Amazon Transcribe，請參閱設定 HTTP/2 串流。如需 Amazon Transcribe特定參數和標頭的詳細資訊，請參閱 StartStreamTranscription。

POST /stream-transcription HTTP/2
host: transcribestreaming.us-west-2.amazonaws.com
X-Amz-Target: com.amazonaws.transcribe.Transcribe.StartStreamTranscription
Content-Type: application/vnd.amazon.eventstream
X-Amz-Content-Sha256: string
X-Amz-Date: 20220208T235959Z
Authorization: AWS4-HMAC-SHA256 Credential=access-key/20220208/us-west-2/transcribe/aws4_request, SignedHeaders=content-type;host;x-amz-content-sha256;x-amz-date;x-amz-target;x-amz-security-token, Signature=string
x-amzn-transcribe-language-code: en-US
x-amzn-transcribe-media-encoding: flac
x-amzn-transcribe-sample-rate: 16000      
x-amzn-channel-identification: TRUE
transfer-encoding: chunked

您可以在 API 參考中找到參數定義；所有 AWS API 操作通用的參數都列在通用參數區段中。

此範例會建立預先簽署的 URL，以分隔轉錄輸出中的聲道。已加入分行符號以提高可讀性。如需搭配使用 WebSocket 串流的詳細資訊 Amazon Transcribe，請參閱設定 WebSocket 串流。如需參數詳細資訊，請參閱 StartStreamTranscription。

GET wss://transcribestreaming.us-west-2.amazonaws.com:8443/stream-transcription-websocket?
&X-Amz-Algorithm=AWS4-HMAC-SHA256
&X-Amz-Credential=AKIAIOSFODNN7EXAMPLE%2F20220208%2Fus-west-2%2Ftranscribe%2Faws4_request
&X-Amz-Date=20220208T235959Z
&X-Amz-Expires=300
&X-Amz-Security-Token=security-token
&X-Amz-Signature=string
&X-Amz-SignedHeaders=content-type%3Bhost%3Bx-amz-date
&language-code=en-US
&specialty=PRIMARYCARE
&type=DICTATION
&media-encoding=flac
&sample-rate=16000    
&channel-identification=TRUE

您可以在 API 參考中找到參數定義；所有 AWS API 操作通用的參數都列在通用參數區段中。