转录多声道音频 - Amazon Transcribe
在批量转录中使用声道识别在流式转录中使用声道识别

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

转录多声道音频

如果您的音频有两个声道，则可以使用频道标识来分别转录每个声道的语音。 Amazon Transcribe 目前不支持超过两个声道的音频。

在您的转录中，声道被分配了标签 ch_0 和 ch_1。

除了标准转录部分（transcripts 和 items）之外，启用声道识别的请求还包括一个 channel_labels 部分。本节包含按声道分组的每个言语或标点符号，以及与之相关的声道标签、时间戳和置信度分数。

"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
        },

如果一个声道上的某个人与另一个声道上的一个人同时说话，则当这些人互相交谈时，每个声道的时间戳会重叠。

要查看带有声道识别的完整示例转录，请参阅声道识别输出示例（批量转录）。

在批量转录中使用声道识别

要识别批量转录中的频道，可以使用AWS Management ConsoleAWS CLI、或 AWS SDKs；有关示例，请参阅以下内容：

  1. 登录到 AWS Management Console。

  2. 在导航窗格中，选择转录作业，然后选择创建作业（右上角）。这将打开指定作业详细信息页面。

    Amazon Transcribe 控制台 “指定任务详细信息” 页面。在“作业设置”面板中，您可以为转录作业指定名称，选择模型类型并指定语言设置。

  3. 在指定作业详细信息页面上填写要包含的任何字段，然后选择下一步。此时您将会看到配置作业 - 可选页面。

    在音频设置面板中，选择声道识别（在“音频识别类型”标题下）。

    Amazon Transcribe 控制台 “配置作业” 页面。在“音频设置”面板中，您可以启用声道识别。

  4. 选择创建作业以运行您的转录作业。

此示例使用 start-transcription-job。有关更多信息，请参阅 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

以下是另一个使用start-transcription-job命令的示例，以及一个通过该任务启用频道识别的请求正文。

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

my-first-transcription-job.json 文件包含以下请求正文。

{
    "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
    }
}

此示例使用 start_transcription_ job 方法来识别频道。 适用于 Python (Boto3) 的 AWS SDK 有关更多信息，请参阅 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)

在流式转录中使用声道识别

要识别直播转录中的频道，可以使用 HTTP/2 或 WebSockets；有关示例，请参阅以下内容：

此示例创建了一个 HTTP/2 请求，用于区分转录输出中的声道。有关使用 HTTP/2 流式传输的更多信息 Amazon Transcribe，请参阅。设置 HTTP/2 音频流有关特定于 Amazon Transcribe的参数和标题的更多详细信息，请参阅 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

参数定义可在 API 参考中找到；所有 AWS API 操作的通用参数列在常用参数部分中。

此示例创建了一个预签名 URL，用于区分转录输出中的声道。为了便于阅读，已增加了换行符。有关将 WebSocket 直播与配合使用的更多信息 Amazon Transcribe，请参阅设置直 WebSocket 播。有关参数的更多详细信息，请参阅 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

参数定义可在 API 参考中找到；所有 AWS API 操作的通用参数列在常用参数部分中。