使用資料表建立自訂詞彙 - Amazon Transcribe
建立自訂詞彙表

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。

使用資料表建立自訂詞彙

使用表格格式是建立自訂詞彙的首選方式。詞彙表必須由四個欄 (Phrase, SoundsLike, IPA, and DisplayAs) 組成，可依任何順序包含：

片語 SoundsLike IPA DisplayAs

必要。表格中的每一列都必須包含此欄中的項目。

請勿在此欄中使用空格。

如果您輸入的內容包含多個單字，請以連字號 (-) 分隔每個單字。例如 Andorra-la-Vella 或 Los-Angeles。

對於縮寫詞，任何發音的字母都必須使用句點分隔。之後的句號也需要發音。如果您有複數個縮寫，您必須在縮寫和「s」間使用連字號。例如，「CLI」是 C.L.I. (非 C.L.I) 和「ABCs」是 A.B.C.-s (非 A.B.C-s)。

如果您的片語同時包含一個單字和一個縮寫，則這兩個元件必須用連字號分隔。例如，「DynamoDB」是 Dynamo-D.B.

請勿在此欄中包含數字；必須拼出數字。例如，「VX02Q」是 V.X.-zero-two-Q.。

SoundsLike不再支援「自訂字彙」。請將欄留空。此欄中的任何值都將被忽略。我們將在 future 移除對此專欄的支援。

IPA不再支援「自訂字彙」。請將欄留空。此欄中的任何值都將被忽略。我們將在 future 移除對此專欄的支援。

選用。此欄中的列可以保留空白。

您可以在此欄中使用空格。

定義您的轉錄輸出中項目的外觀。例如，Phrase 欄中的 Andorra-la-Vella 是在 DisplayAs 欄中的 Andorra la Vella。

如果此欄中的列是空的， Amazon Transcribe 會使用Phrase欄的內容來決定輸出。

您可以在此欄中包含數字 (0-9)。

建立表格時要注意的事項：

  • 您的表必須包含所有四個列標題(Phrase, SoundsLike, IPA, and DisplayAs)。Phrase欄必須包含每一列上的項目。通過IPA和提供發音輸入的功能SoundsLike不再受支持，您可以將該列保留空白。這些欄中的任何值都將被忽略。

  • 每一欄必須以 TAB 或逗號 (,) 分隔；這適用於自訂詞彙檔案中的每一列。如果列包含空白欄，您仍必須為每個欄納入分隔符號 (TAB 或逗號)。

  • 只有 IPA 和 DisplayAs 欄才允許使用空格。請勿使用空格以分隔欄。

  • IPA而SoundsLike且不再支援「自訂字彙」。請將欄留空。這些欄中的任何值都將被忽略。我們將在 future 移除對此專欄的支援。

  • DisplayAs 欄支援符號和特殊字元 (例如 C++)。所有其他欄支援您語言的字元集頁面上列出的字元。

  • 如果要在 Phrase 欄中包含數字，則必須拼出數字。DisplayAs 欄僅支援數字 (0-9)。

  • 您必須將表格儲存為 LF 格式的純文字 (*.txt) 檔案。如果您使用任何其他格式，例如 CRLF，將無法處理您的自訂詞彙。

  • 您必須將自訂字彙檔案上傳至 Amazon S3 值區並使用處理，CreateVocabulary然後才能將其納入轉錄請求中。請參閱 建立自訂詞彙表，了解指示。

注意

縮寫或其他字組的字母如須單獨發音，請在單一字母後面輸入句號 (A.B.C.) 。若要輸入縮寫的複數形式，例如「ABCs」，請以連字號 (A.B.C.-s) 分隔縮寫中的「s」。您可以使用大寫或小寫字母以定義縮寫。並非所有語言都支援縮寫；請參閱 支援的語言和特定語言功能。

以下是樣本自訂詞彙表 (其中 [TAB] 代表一個 tab 字元)：

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

為了釐清，此處是與欄對齊的相同表格。請勿在自訂詞彙表中的欄間加入空格；您的表格看似應該與前面的範例一樣未對齊。

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

建立自訂詞彙表

若要處理自訂字彙表以搭配使用 Amazon Transcribe，請參閱下列範例：

  1. 登入 AWS Management Console。

  2. 在導覽窗格中，選擇自訂詞彙。這會開啟自訂詞彙頁面，您可以在其中檢視現有的詞彙或建立新詞彙。

  3. 選擇建立詞彙。

    Amazon Transcribe 控制台屏幕截圖：「自定義詞彙」頁面。

    這會引導您前往建立詞彙頁面。輸入新自訂詞彙的名稱。

    此處您有三種選擇：

    1. 從您的電腦上傳 txt 或 csv 檔案。

      您可以從頭開始建立自訂詞彙，也可以下載範本以幫助您開始使用。然後，您的詞彙會自動填入檢視和編輯詞彙窗格中。

      Amazon Transcribe 控制台屏幕截圖：「創建和導入詞彙」頁面。

    2. 從一個 Amazon S3 位置導入一個 txt 或 csv 文件。

      您可以從頭開始建立自訂詞彙，也可以下載範本以幫助您開始使用。將完成的詞彙檔案上傳至 Amazon S3 儲存貯體，並在請求中指定其 URI。然後，您的詞彙會自動填入檢視和編輯詞彙窗格中。

      Amazon Transcribe 控制台屏幕截圖：「創建和導入詞彙」頁面。

    3. 在主控台中手動建立詞彙。

      捲動至檢視和編輯詞彙窗格，然後選擇新增 10 列。您現在可以手動輸入術語。

      Amazon Transcribe 控制台屏幕截圖：「創建和導入詞彙」頁面。

  4. 您可以在檢視和編輯詞彙窗格中編輯詞彙。按一下您想要修改的項目，進行變更。

    Amazon Transcribe 控制台屏幕截圖：「創建和編輯詞彙」窗格。

    如果您執行時發生錯誤，您會收到詳細的錯誤訊息，以在處理詞彙前修正任何問題。請注意，如果您選擇建立詞彙前未更正所有錯誤，詞彙請求就會失敗。

    Amazon Transcribe 控制台屏幕截圖：「創建和編輯詞彙」窗格。

    選擇核取記號 (✓) 以儲存變更，或選擇「X」以捨棄變更。

  5. 或者，將標籤新增至您的自訂詞彙。完成所有欄位並滿意您的詞彙後，選擇頁面底部的建立詞彙。這會引導您返回自訂詞彙頁面，您可以在此檢視自訂詞彙的狀態。狀態從「待處理」變更為「就緒」時，您的自訂詞彙可以與轉錄搭配使用。

    Amazon Transcribe 控制台截圖：處理時處於待處理狀態的自定義詞彙。

  6. 如果狀態變更為「失敗」，選擇自訂詞彙的名稱以前往其資訊頁面。

    Amazon Transcribe 控制台屏幕截圖：「自定義詞彙」頁面顯示一個詞彙為完整，一個為失敗。

    此頁面頂端有失敗原因橫幅，提供自訂詞彙失敗原因的相關資訊。請更正文字檔案中的錯誤，然後再試一次。

    Amazon Transcribe 控制台屏幕截圖：詞彙的信息頁面顯示失敗原因。

此範例使用 create-vocabulary 指令，搭配表格式的詞彙檔案。如需詳細資訊，請參閱 CreateVocabulary。

若要在轉錄工作中使用現有的自訂字彙，請VocabularyName在呼叫StartTranscriptionJob作業時在Settings欄位中設定，或從下 AWS Management Console拉式清單中選擇自訂字彙。

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

這是使用 create-vocabulary 指令的另一個範例，以及建立自訂詞彙的請求內文。

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

該文件 my-first-vocab-table.json 包含以下請求主體。

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

VocabularyState 從 PENDING 變更為READY 後，您的自訂詞彙即可與轉錄搭配使用。執行下列指令可檢視自訂詞彙的目前狀態：

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

此範例使用， AWS SDK for Python (Boto3) 使用 create_ 詞彙方法從表格建立自訂字彙。如需詳細資訊，請參閱 CreateVocabulary。

若要在轉錄工作中使用現有的自訂字彙，請VocabularyName在呼叫StartTranscriptionJob作業時在Settings欄位中設定，或從下 AWS Management Console拉式清單中選擇自訂字彙。

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 的 Amazon Transcribe 程式碼範例 AWS SDKs

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)
注意

如果您為自訂字彙檔案建立新 Amazon S3 值區，請確定提出CreateVocabulary請求的 IAM 角色具有存取此值區的權限。如果角色沒有正確的授權，您的請求將失敗。您可以選擇性地在請求中加入DataAccessRoleArn參數來指定 IAM 角色。如需中 IAM 角色和原則的詳細資訊 Amazon Transcribe，請參閱Amazon Transcribe 身分型政策範例。