构建音频转文本无服务器应用程序
支持亚马逊云科技免费套餐
本教程中使用的示例代码来自 GitHub
Amazon Transcribe 是一项基于机器学习模型自动将语音转换为文本的服务。它提供了多种可以提高文本转录准确性的功能，例如语言自定义、内容过滤、多通道音频分析和说话人语音分割。Amazon Transcribe 可用作独立的转录服务，也可以集成到应用程序中提供语音转文本功能。您可以实时转录媒体内容（流式处理），也可以转录位于 Amazon S3 存储桶中的媒体文件（批处理）。
本教程将介绍如何使用 Amazon Transcribe、Amazon Lambda 和 Go 编程语言构建用于语音（音频）转文本的无服务器应用程序。
我们将介绍如何：
- 使用 Amazon CloudFormation 部署解决方案。
- 测试解决方案。
所需的 Go 库：
- Amazon Lambda 的 Go 库。
- Amazon Rekognition 的 Go SDK。
- 用于实现整个解决方案“基础设施即代码” (IaC) 的Amazon Cloud Development Kit (Amazon CDK) 的 Go 绑定 以及 Amazon CDK CLI。
应用程序简介
以下是该应用程序的工作原理：
- 上传 MP3 音频文件到 S3 存储桶时触发 Lambda 函数。
- Lambda 函数向 Amazon Transcribe 提交异步任务，最后 Amazon Transcribe 把生成的文件（包含转换后的文本）存储到另一个 S3 存储桶中。
前提条件
在开始本教程之前，需要满足以下条件：
- 亚马逊云科技账户（如果您还没有账户，请先创建账户并设置环境）。
- Go 语言环境（v1.18 或更高版本）。
- Amazon CDK。
- Amazon CLI。
- Git。
使用 Amazon CDK 部署解决方案
克隆项目并切换到正确的目录：
git clone https://github.com/build-on-aws/amazon-transcribe-lambda-golang-example
cd amazon-transcribe-lambda-golang-exampleAmazon CDK 提供一个框架。您可以使用其支持的编程语言将云基础设施定义为代码，并通过 Amazon CloudFormation 进行预置。
调用 cdk deploy 开始部署。稍事等待后，界面上显示要创建的资源列表。需您确认后，流程才能继续。
cd cdk
cdk deploy
# output
Bundling asset LambdaTranscribeAudioToTextGolangStack/audio-to-text-function/Code/Stage...
✨ Synthesis time: 4.42s
//.... omitted
Do you wish to deploy these changes (y/n)? y输入 y 确认。系统开始创建应用程序所需的亚马逊云科技资源。
如果您想查看后台使用的 Amazon CloudFormation 模板，请运行 cdk synth，然后查看 cdk.out 文件夹中的内容。
您可以在终端或亚马逊云科技控制台上跟踪堆栈创建进度。在控制台上，导航至CloudFormation > Stacks > LambdaTranscribeAudioToTextGolangStack查看。
创建的资源：
- 两个 S3 存储桶：源存储桶用于存储上传的音频文件，输出存储桶用于存储转录的文本文件。
- 调用 Amazon Transcribe 将音频转换为文本的 Lambda 函数。
- 以及其他资源，如 IAM 角色等。
在终端中，您将看到创建的资源。（输出中显示创建的资源名称）在本例中，CDK 创建的 S3 存储桶的名称如下：
✅ LambdaTranscribeAudioToTextGolangStack
✨ Deployment time: 98.61s
Outputs:
LambdaTranscribeAudioToTextGolangStack.audiofilesourcebucketname = lambdatranscribeaudiotot-audiofilesourcebucket05f-182vj224hnpfl
LambdaTranscribeAudioToTextGolangStack.transcribejobbucketname = lambdatranscribeaudiotot-transcribejoboutputbucke-1gi0bu6r1d1jn
.....下一步，测试解决方案。
语音转文本
您可以使用自己的 MP3 音频文件来测试这个解决方案。由于我非常喜欢收听 Go Time 播客，因此我将直接使用其中一集，并使用 Amazon CLI 将其（MP3 文件）上传到 S3 源存储桶。
export SOURCE_BUCKET=<enter source S3 bucket name - check the CDK output>
curl -sL https://cdn.changelog.com/uploads/gotime/267/go-time-267.mp3 | aws s3 cp - s3://$SOURCE_BUCKET/go-time-267.mp3
# verify that the file was uploaded
aws s3 ls s3://$SOURCE_BUCKET这将生成一个转录作业。您可以在亚马逊云科技控制台查看作业状态：Amazon Transcribe > Jobs。完成后，您应该会在输出 S3 存储桶中看到一个新文件，该文件与传的音频文件同名，但其扩展名为 .txt。这就是 Amazon Transcribe 生成输出的文本文件。
下载并打开输出文件。
export TARGET_BUCKET=<enter target S3 bucket name - check the CDK output>
# list contents of the target bucket
aws s3 ls s3://$TARGET_BUCKET
# download the output file
aws s3 cp s3://$TARGET_BUCKET/go-time-267.txt .文件内容包含一个 JSON payload，如下所示：
{
"jobName": "job-go-time-267",
"accountId": "1234566789",
"results": {
"transcripts": [
{
"transcript": "<transcribed text output...>"
}
]
},
"status": "COMPLETED"
}您可以使用 transcript 属性提取实际文本。
完成端到端解决方案测试后，您可以清除实验过程中创建的资源和了解相关 Lambda 函数逻辑。
清理资源
试验完成后，运行以下命令删除实验过程中创建的资源：
cdk destroy
#output prompt (choose 'y' to continue)
Are you sure you want to delete: LambdaTranscribeAudioToTextGolangStack (y/n)?Lambda 函数代码说明
以下是相关 Lambda 函数逻辑的简要介绍。注意：以下示例中省略了错误处理、日志记录等代码，只展示了关键代码部分。
func handler(ctx context.Context, s3Event events.S3Event) {
for _, record := range s3Event.Records {
sourceBucketName := record.S3.Bucket.Name
fileName := record.S3.Object.Key
err := audioToText(sourceBucketName, fileName)
}
}新文件上传到源存储桶时触发 Lambda 函数。Handler 函数遍历 S3 事件记录并调用 audioToText 函数。
下面是 audioToText 函数的代码。
func audioToText(sourceBucketName, fileName string) error {
inputFileNameFormat := "s3://%s/%s"
inputFile := fmt.Sprintf(inputFileNameFormat, sourceBucketName, fileName)
languageCode := "en-US"
jobName := "job-" + sourceBucketName + "-" + fileName
outputFileName := strings.Split(fileName, ".")[0] + "-job-output.txt"
_, err := transcribeClient.StartTranscriptionJob(context.Background(), &transcribe.StartTranscriptionJobInput{
TranscriptionJobName: &jobName,
LanguageCode: types.LanguageCode(languageCode),
MediaFormat: types.MediaFormatMp3,
Media: &types.Media{
MediaFileUri: &inputFile,
},
OutputBucketName: aws.String(outputBucket),
OutputKey: aws.String(outputFileName),
Settings: &types.Settings{
ShowSpeakerLabels: aws.Bool(true),
MaxSpeakerLabels: aws.Int32(5),
},
})
return nil
}- audioToText 函数将一个转录作业提交到 Amazon Transcribe。
- 转录作业配置中指定将转录结果输出到输出 S3 存储桶。
注意：输出文件的名称根据输入文件的名称派生。
总结
您使用 Amazon CDK 部署了 Go Lambda 函数，用 Amazon Transcribe 将音频转换为文本，并将结果存储在另一个 S3 存储桶中。您可以尝试以下几项措施来扩展此解决方案：
- 再构建一个由输出存储桶中的转录输出文件触发的 Lambda 函数，解析输出文件中的 JSON 内容并提取转录的文本。
- 使用 Amazon Transcribe Streaming 实时生成转录文本。
