Creación de un vocabulario personalizado con una tabla - Amazon Transcribe
Crear tablas de vocabulario personalizadas

Creación de un vocabulario personalizado con una tabla

El uso de un formato de tabla es la forma preferida para crear un vocabulario personalizado. Las tablas de vocabulario deben constar de cuatro columnas (Phrase, SoundsLike, IPA, and DisplayAs), que se pueden incluir en cualquier orden:

Phrase SoundsLike IPA DisplayAs

Obligatorio. Cada fila de la tabla debe contener una entrada en esta columna.

No utilice espacios en esta columna.

Si la entrada contiene varias palabras, sepárelas con un guión (-). Por ejemplo, Andorra-la-Vella o Los-Angeles.

En el caso de los acrónimos, cualquier letra pronunciada debe estar separada por un punto. También es necesario pronunciar el punto final. Si el acrónimo es plural, debe usar un guión entre el acrónimo y la “s”. Por ejemplo, “CLI” es C.L.I. (no C.L.I) y “ABCs” es A.B.C.-s (no A.B.C-s).

Si la frase consta de una palabra y un acrónimo, estos dos componentes deben estar separados por un guión. Por ejemplo, “DynamoDB” es Dynamo-D.B..

No incluya dígitos en esta columna; los números deben estar escritos. Por ejemplo, “VX02QW” es V.X.-zero-two-Q..

SoundsLike ya no es compatible con el vocabulario personalizado. Deje la columna vacía. Se ignorará cualquier valor de esta columna. Eliminaremos la compatibilidad con esta columna en el futuro.

IPA ya no es compatible con el vocabulario personalizado. Deje la columna vacía. Se ignorará cualquier valor de esta columna. Eliminaremos la compatibilidad con esta columna en el futuro.

Opcional. Las filas de esta columna se pueden dejar vacías.

Puede utilizar espacios en esta columna.

Ddefine el aspecto que desea que tenga la frase en el resultado de la transcripción. Por ejemplo, Andorra-la-Vella en la columna Phrase es Andorra la Vella en la columna DisplayAs.

Si una fila de esta columna está vacía, Amazon Transcribe utiliza el contenido de la columna Phrase para determinar el resultado.

Puede incluir dígitos (0-9) en esta columna.

Aspectos a tener en cuenta al crear la tabla:

  • La tabla debe contener los encabezados (Phrase, SoundsLike, IPA, and DisplayAs) para las cuatro columnas. La columna Phrase debe contener una entrada en cada fila. La posibilidad de introducir entradas de pronunciación en IPA y SoundsLike ya no es compatible, por lo que puede dejar la columna vacía. Se ignorará cualquier valor de estas columnas.

  • Cada columna debe estar delimitada por tabuladores o comas (,); esto se aplica a todas las filas del archivo de vocabulario personalizado. Si una fila contiene columnas vacías, debe incluir un delineador (tabulador o coma) para cada columna.

  • Sólo se permiten espacios dentro de las columnas IPA y DisplayAs. No utilice espacios para separar las columnas.

  • IPA y SoundsLike ya no son compatibles con el vocabulario personalizado. Deje la columna vacía. Se ignorará cualquier valor de esta columna. Eliminaremos la compatibilidad con esta columna en el futuro.

  • La columna DisplayAs admite símbolos y caracteres especiales (por ejemplo, C++). Todas las demás columnas admiten los caracteres que aparecen en la página del conjunto de caracteres de su idioma.

  • Si desea incluir números en la columna Phrase, debe deletrearlos. Los dígitos (0-9) sólo se admiten en la columna DisplayAs.

  • Debe guardar la tabla como un archivo de texto sin formato (*.txt) en formato LF. Si utiliza cualquier otro formato, por ejemplo CRLF, su vocabulario personalizado no se podrá procesar.

  • Debe cargar su archivo de vocabulario personalizado en un bucket de Amazon S3 y procesarlo mediante CreateVocabulary antes de poder incluirlo en una solicitud de transcripción. Para obtener instrucciones, consulte Crear tablas de vocabulario personalizadas.

nota

Escriba los acrónimos, u otras palabras cuyas letras deban pronunciarse individualmente, como letras individuales separadas por puntos (A.B.C.). Para especificar el plural de un acrónimo en inglés, por ejemplo, "ABCs", separe la "s" del acrónimo con un guion: (A.B.C.-s). Puede utilizar letras mayúsculas o minúsculas para definir los acrónimos. Los acrónimos no se admiten en todos los idiomas; consulte Idiomas compatibles y características específicas de cada idioma.

Este es un ejemplo de tabla de vocabulario personalizada (donde [TAB] representa un carácter de tabulación):

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 mayor claridad visual, esta es la misma tabla con las columnas alineadas. No agregue espacios entre las columnas de la tabla de vocabulario personalizada; la tabla debería tener un aspecto desalineado, como en el ejemplo 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

Crear tablas de vocabulario personalizadas

Para procesar una tabla de vocabulario personalizada y utilizarla con Amazon Transcribe, consulte los siguientes ejemplos:

  1. Inicie sesión en Consola de administración de AWS.

  2. En el panel de navegación, elija Vocabulario personalizado. Esto abre la página Vocabulario personalizado, donde puede ver los vocabularios existentes o crear uno nuevo.

  3. Seleccione Crear vocabulario.

    Captura de pantalla de la consola de Amazon Transcribe: página del “Vocabulario personalizado”.

    Esto le llevará a la página Crear vocabulario. Escriba un nombre para su nuevo vocabulario personalizado.

    Tiene tres opciones:

    1. Subir un archivo txt o csv desde su equipo.

      Puede crear su vocabulario personalizado desde cero o descargar una plantilla que le ayude a empezar. A continuación, el vocabulario se rellena automáticamente en el panel Ver y editar vocabulario.

      Captura de pantalla de la consola de Amazon Transcribe: página “Crear e importar vocabulario”.

    2. Importa un archivo txt o csv desde una ubicación de Amazon S3.

      Puede crear su vocabulario personalizado desde cero o descargar una plantilla que le ayude a empezar. Suba su archivo de vocabulario terminado a un bucket de Amazon S3 y especifique su URI en la solicitud. A continuación, el vocabulario se rellena automáticamente en el panel Ver y editar vocabulario.

      Captura de pantalla de la consola de Amazon Transcribe: página “Crear e importar vocabulario”.

    3. Crear su vocabulario manualmente en la consola.

      Desplácese hasta el panel Ver y editar vocabulario y seleccione Añadir 10 filas. Ahora puede introducir los términos manualmente.

      Captura de pantalla de la consola de Amazon Transcribe: página “Crear e importar vocabulario”.

  4. Puede editar su vocabulario en el panel Ver y editar vocabulario. Haga clic en la entrada que desee modificar para realizar cambios.

    Captura de pantalla de la consola de Amazon Transcribe: panel “Crear e importar vocabulario”.

    Si comete un error, recibirá un mensaje de error detallado para que pueda corregir cualquier problema antes de procesar su vocabulario. Tenga en cuenta que si no corrige todos los errores antes de seleccionar Crear vocabulario, su solicitud de vocabulario fallará.

    Captura de pantalla de la consola de Amazon Transcribe: panel “Crear e importar vocabulario”.

    Seleccione la marca de verificación (✓) para guardar los cambios o la “X” para descartarlos.

  5. De manera opcional, agregue etiquetas a su vocabulario personalizado. Cuando haya completado todos los campos y esté satisfecho con su vocabulario, seleccione Crear vocabulario en la parte inferior de la página. Esto le llevará de vuelta a la página vocabulario personalizado, donde podrá ver el estado de su vocabulario personalizado. Cuando el estado cambie de “Pendiente” a “Listo”, podrá usar su vocabulario personalizado con una transcripción.

    Captura de pantalla de la consola de Amazon Transcribe: vocabulario personalizado en estado pendiente durante el procesamiento.

  6. Si el estado cambia a “Error”, seleccione el nombre de su vocabulario personalizado para ir a su página de información.

    Captura de pantalla de la consola de Amazon Transcribe: página “Vocabulario personalizado” que muestra un vocabulario como completo y otro como fallido.

    En la parte superior de esta página hay un banner Motivo del error que proporciona información sobre el motivo del error en su vocabulario personalizado. Corrija el error en el archivo de texto e inténtelo de nuevo.

    Captura de pantalla de la consola de Amazon Transcribe: la página de información del vocabulario muestra el motivo del error.

En este ejemplo, se utiliza el comando create-vocabulary con un archivo de vocabulario con formato de tabla. Para obtener más información, consulte CreateVocabulary.

Para usar un vocabulario personalizado existente en un trabajo de transcripción, establezca VocabularyName en el campo Settings al llamar a la operación StartTranscriptionJob o, en Consola de administración de AWS, elija el vocabulario personalizado de la lista desplegable.

aws transcribe create-vocabulary \ 
--vocabulary-name my-first-vocabulary \ 
--vocabulary-file-uri s3://amzn-s3-demo-bucket/my-vocabularies/my-vocabulary-file.txt \
--language-code en-US

Este es otro ejemplo en el que se usa el comando create-vocabulary y un cuerpo de la solicitud que crea su vocabulario personalizado.

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

El archivo my-first-vocab-table.json contiene el siguiente cuerpo de la solicitud.

{
  "VocabularyName": "my-first-vocabulary",
  "VocabularyFileUri": "s3://amzn-s3-demo-bucket/my-vocabularies/my-vocabulary-table.txt",
  "LanguageCode": "en-US"
}

Cuando VocabularyState cambie de PENDING a READY, su vocabulario personalizado estará listo para usarse con una transcripción. Ejecute lo siguiente para consultar el estado actual de su vocabulario personalizado:

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

En este ejemplo, se utiliza AWS SDK para Python (Boto3) para crear un vocabulario personalizado a partir de una tabla mediante el método create_vocabulary. Para obtener más información, consulte CreateVocabulary.

Para usar un vocabulario personalizado existente en un trabajo de transcripción, establezca VocabularyName en el campo Settings al llamar a la operación StartTranscriptionJob o, en Consola de administración de AWS, elija el vocabulario personalizado de la lista desplegable.

Para ver ejemplos adicionales sobre el uso de los SDK de AWS, incluidos ejemplos de características específicas, escenarios y servicios cruzados, consulte el capítulo Ejemplos de código de Amazon Transcribe con los SDK de 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://amzn-s3-demo-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

Si crea un nuevo bucket de Amazon S3 para sus archivos de vocabulario personalizados, asegúrese de que el rol IAM que realiza la solicitud CreateVocabulary tenga permisos para acceder a este bucket. Si el rol no tiene los permisos correctos, la solicitud fallará. Si lo desea, puede especificar un rol IAM en su solicitud incluyendo el parámetro DataAccessRoleArn. Para obtener más información sobre roles y políticas de IAM en Amazon Transcribe, consulte Amazon Transcribe ejemplos de políticas basadas en identidad de .