[Документация Yandex Cloud](../../index.md) > [speechkit](../index.md) > [Начало работы](index.md) > Как распознать длинные аудиофайлы в API v3 и v2 # Как распознать длинные аудиофайлы в SpeechKit {% note info %} В [регионе Казахстан](../../overview/concepts/region.md) доступна только версия API v3. {% endnote %} Сервис позволяет распознавать речь [различными способами](../stt/index.md#stt-ways). В примере аудиофайл распознается с помощью [асинхронного распознавания](../stt/transcribation.md). Асинхронное распознавание доступно в API v3 и API v2. Для асинхронного распознавания действуют ограничения: * максимальная длительность аудио — 4 часа; * максимальный размер файла — 1 ГБ. Для работы с API в примере используется утилита [cURL](https://curl.se/). Если вы хотите использовать Python-скрипт для работы с API, обратитесь к [практическим руководствам](../tutorials/index.md#async-stt). ## Перед началом работы {#before-you-begin} 1. [Создайте](../../storage/operations/buckets/create.md) бакет и [загрузите](../../storage/operations/objects/upload.md) в него аудиофайл, который вы хотите распознать. 1. [Создайте](../../iam/operations/sa/create.md) сервисный аккаунт. {% note warning %} Асинхронно распознать аудиофайлы можно только от имени сервисного аккаунта. Не используйте для этого [другие аккаунты в Yandex Cloud](../../iam/concepts/users/accounts.md). {% endnote %} 1. [Назначьте](../../iam/operations/sa/assign-role-for-sa.md) сервисному аккаунту роли `storage.uploader` и `ai.speechkit-stt.user` на каталог, в котором вы ранее создали бакет. 1. [Получите API-ключ](../../iam/operations/authentication/manage-api-keys.md#create-api-key) или [IAM-токен](../../iam/operations/iam-token/create-for-sa.md) для созданного сервисного аккаунта. 1. Скачайте пример аудиофайла: * для API v3 — [файл WAV](https://storage.yandexcloud.kz/doc-files/speech.wav); * для API v2 — [файл LPCM](https://storage.yandexcloud.kz/speechkit/speech.pcm). ## Распознавание речи {#speech-recognition} {% list tabs %} - API v3 1. [Получите ссылку на аудиофайл](../../storage/operations/objects/link-for-download.md) в Object Storage. 1. Создайте файл, например `request.json`, и добавьте в него код: ```json { "uri": "https://storage.yandexcloud.kz/<название_бакета>/<путь_к_WAV-файлу_в_бакете>", "recognition_model": { "model": "general", "audio_format": { "container_audio": { "container_audio_type": "WAV" } } } } ``` Где: * `uri` — ссылка на аудиофайл в Object Storage. Пример ссылки: `https://storage.yandexcloud.kz/speechkit/speech.wav`. Для бакета с ограниченным доступом в ссылке присутствуют дополнительные query-параметры (после знака `?`). Эти параметры не нужно передавать в SpeechKit — они игнорируются. * `model` — модель распознавания речи. * `container_audio_type` — тип аудиоконтейнера. 1. Выполните запрос, используя один из способов аутентификации через сервисный аккаунт: * С помощью [IAM-токена](../../iam/concepts/authorization/iam-token.md): ```bash export FOLDER_ID=<идентификатор_каталога> export IAM_TOKEN= && \ curl \ --insecure \ --header "Authorization: Bearer ${IAM_TOKEN}" \ --header "x-folder-id: ${FOLDER_ID}" \ --data @request.json https://stt.api.ml.yandexcloud.kz:443/stt/v3/recognizeFileAsync ``` Где: * `FOLDER_ID` — [идентификатор каталога](*идентификатор каталога), в котором создан ваш сервисный аккаунт. * `IAM_TOKEN` — IAM-токен сервисного аккаунта. * С помощью [API-ключа](../../iam/concepts/authorization/api-key.md). Используйте API-ключи, если у вас нет возможности автоматически запрашивать [IAM-токен](../../iam/concepts/authorization/iam-token.md). ```bash export FOLDER_ID=<идентификатор_каталога> export API_KEY= && \ curl \ --insecure \ --header "Authorization: Api-Key ${API_KEY}" \ --header "x-folder-id: ${FOLDER_ID}" \ --data @request.json https://stt.api.ml.yandexcloud.kz:443/stt/v3/recognizeFileAsync ``` Пример результата: ```text { "id":"f8ddr61b30fk********", "description":"STT v3 async recognition", "createdAt":"2024-07-15T07:39:36Z", "createdBy":"ajehumcuv38h********", "modifiedAt":"2024-07-15T07:39:36Z", "done":false, "metadata":null } ``` Сохраните идентификатор (`id`) операции распознавания, полученный в ответе. 1. Дождитесь, когда завершится распознавание. Одна минута аудио распознается примерно за 10 секунд. 1. Запросите результат операции: * С аутентификацией с помощью IAM-токена: ```bash curl \ --insecure \ --request GET \ --header "Authorization: Bearer ${IAM_TOKEN}" \ --header "x-folder-id: ${FOLDER_ID}" \ https://stt.api.ml.yandexcloud.kz:443/stt/v3/getRecognition?operation_id=<идентификатор_операции_распознавания> ``` * С аутентификацией с помощью API-ключа: ```bash curl \ --insecure \ --request GET \ --header "Authorization: Api-key ${API_KEY}" \ --header "x-folder-id: ${FOLDER_ID}" \ https://stt.api.ml.yandexcloud.kz:443/stt/v3/getRecognition?operation_id=<идентификатор_операции_распознавания> ``` {% cut "Пример результата" %} ```json { "result": { "sessionUuid": { "uuid": "24935f24-2c1f62dc-8dd49006-********", "userRequestId": "f8d2h7m07t4i********" }, "audioCursors": { "receivedDataMs": "7400", "resetTimeMs": "0", "partialTimeMs": "7400", "finalTimeMs": "7400", "finalIndex": "0", "eouTimeMs": "0" }, "responseWallTimeMs": "189", "final": { "alternatives": [ { "words": [ { "text": "я", "startTimeMs": "459", "endTimeMs": "520" }, { "text": "яндекс", "startTimeMs": "640", "endTimeMs": "1060" }, { "text": "спичкит", "startTimeMs": "1120", "endTimeMs": "1959" }, { "text": "я", "startTimeMs": "2480", "endTimeMs": "2520" }, { "text": "могу", "startTimeMs": "2580", "endTimeMs": "2800" }, { "text": "превратить", "startTimeMs": "2860", "endTimeMs": "3360" }, { "text": "любой", "startTimeMs": "3439", "endTimeMs": "3709" }, { "text": "текст", "startTimeMs": "3800", "endTimeMs": "4140" }, { "text": "в", "startTimeMs": "4200", "endTimeMs": "4220" }, { "text": "речь", "startTimeMs": "4279", "endTimeMs": "4740" }, { "text": "теперь", "startTimeMs": "5140", "endTimeMs": "5759" }, { "text": "и", "startTimeMs": "5859", "endTimeMs": "5900" }, { "text": "вы", "startTimeMs": "5980", "endTimeMs": "6399" }, { "text": "можете", "startTimeMs": "6660", "endTimeMs": "7180" } ], "text": "я яндекс спичкит я могу превратить любой текст в речь теперь и вы можете", "startTimeMs": "0", "endTimeMs": "7400", "confidence": 0, "languages": [] } ], "channelTag": "0" }, "channelTag": "0" } } { "result": { "sessionUuid": { "uuid": "24935f24-2c1f62dc-8dd49006-********", "userRequestId": "f8d2h7m07t4i********" }, "audioCursors": { "receivedDataMs": "7400", "resetTimeMs": "0", "partialTimeMs": "7400", "finalTimeMs": "7400", "finalIndex": "0", "eouTimeMs": "0" }, "responseWallTimeMs": "189", "finalRefinement": { "finalIndex": "0", "normalizedText": { "alternatives": [ { "words": [ { "text": "я", "startTimeMs": "459", "endTimeMs": "520" }, { "text": "яндекс", "startTimeMs": "640", "endTimeMs": "1060" }, { "text": "спичкит", "startTimeMs": "1120", "endTimeMs": "1959" }, { "text": "я", "startTimeMs": "2480", "endTimeMs": "2520" }, { "text": "могу", "startTimeMs": "2580", "endTimeMs": "2800" }, { "text": "превратить", "startTimeMs": "2860", "endTimeMs": "3360" }, { "text": "любой", "startTimeMs": "3439", "endTimeMs": "3709" }, { "text": "текст", "startTimeMs": "3800", "endTimeMs": "4140" }, { "text": "в", "startTimeMs": "4200", "endTimeMs": "4220" }, { "text": "речь", "startTimeMs": "4279", "endTimeMs": "4740" }, { "text": "теперь", "startTimeMs": "5140", "endTimeMs": "5759" }, { "text": "и", "startTimeMs": "5859", "endTimeMs": "5900" }, { "text": "вы", "startTimeMs": "5980", "endTimeMs": "6399" }, { "text": "можете", "startTimeMs": "6660", "endTimeMs": "7180" } ], "text": "Я яндекс спичкит я могу превратить любой текст в речь теперь и вы можете", "startTimeMs": "0", "endTimeMs": "7400", "confidence": 0, "languages": [] } ], "channelTag": "0" } }, "channelTag": "0" } } { "result": { "sessionUuid": { "uuid": "24935f24-2c1f62dc-8dd49006-********", "userRequestId": "f8d2h7m07t4i********" }, "audioCursors": { "receivedDataMs": "7400", "resetTimeMs": "0", "partialTimeMs": "7400", "finalTimeMs": "7400", "finalIndex": "0", "eouTimeMs": "7400" }, "responseWallTimeMs": "190", "eouUpdate": { "timeMs": "7400" }, "channelTag": "0" } } ``` {% endcut %} - API v2 1. [Получите ссылку на аудиофайл](../../storage/operations/objects/link-for-download.md) в Object Storage. 1. Создайте файл `body.json` и добавьте в него код: ```json { "config": { "specification": { "languageCode": "ru-RU", "model": "general", "audioEncoding": "LINEAR16_PCM", "sampleRateHertz": 8000, "audioChannelCount": 1 } }, "audio": { "uri": "<ссылка_на_аудиофайл>" } } ``` Где: * `languageCode` — [язык](../stt/models.md#languages), для которого будет выполнено распознавание. * `model` — [модель распознавания речи](../stt/models.md#tags). * `audioEncoding` — [формат](../formats.md) передаваемого аудиофайла. * `sampleRateHertz` — частота дискретизации аудиофайла в Гц. * `audioChannelCount` — количество аудиоканалов. * `uri` — ссылка на аудиофайл в Object Storage. Пример ссылки: `https://storage.yandexcloud.net/speechkit/speech.pcm`. Для бакета с ограниченным доступом в ссылке присутствуют дополнительные query-параметры (после знака `?`). Эти параметры не нужно передавать в SpeechKit — они игнорируются. 1. Выполните созданный файл: ```bash export API_KEY= && \ curl \ --insecure \ --header "Authorization: Api-Key ${API_KEY}" \ --data "@body.json"\ https://transcribe.api.cloud.yandex.net/speech/stt/v2/longRunningRecognize ``` Пример результата: ```text { "done": false, "id": "e03sup6d5h1q********", "createdAt": "2019-04-21T22:49:29Z", "createdBy": "ajes08feato8********", "modifiedAt": "2019-04-21T22:49:29Z" } ``` Сохраните идентификатор (`id`) операции распознавания, полученный в ответе. 1. Дождитесь, когда завершится распознавание. Одна минута одноканального аудио распознается примерно за 10 секунд. 1. Отправьте запрос на [получение информации об операции](../../api-design-guide/concepts/operation.md#monitoring): ```bash curl \ --insecure \ --header "Authorization: Api-key ${API_KEY}" \ https://operation.api.cloud.yandex.net/operations/<идентификатор_операции_распознавания> ``` Пример результата: ```text { "done": true, "response": { "@type": "type.googleapis.com/yandex.cloud.ai.stt.v2.LongRunningRecognitionResponse", "chunks": [ { "alternatives": [ { "words": [ { "startTime": "0.160s", "endTime": "0.500s", "word": "привет", "confidence": 1 }, { "startTime": "0.580s", "endTime": "0.800s", "word": "мир", "confidence": 1 } ], "text": "Привет мир", "confidence": 1 } ], "channelTag": "1" } ] }, "id": "e03jjenu23uc********", "createdAt": "2024-08-22T11:39:22Z", "createdBy": "aje3bg430agh********", "modifiedAt": "2024-08-22T11:39:23Z" } ``` Если распознать речь в переданном файле не удалось, секция `response.chunks` может отсутствовать в ответе. {% endlist %} #### Полезные ссылки {#what-is-next} * [Распознавание речи](../stt/index.md) * [API v3 асинхронного распознавания](../stt-v3/api-ref/AsyncRecognizer/getRecognition.md) * [API v2 асинхронного распознавания](../stt/api/transcribation-api.md) * [Аутентификация в API SpeechKit](../concepts/auth.md) * [Асинхронное распознавание аудиофайлов в формате WAV в API v3](../stt/api/transcribation-api-v3.md) * [Асинхронное распознавание аудиофайлов в формате OggOpus в API v2](../stt/api/transcribation-ogg.md) [*идентификатор каталога]: #### {#get-folder-id} [Каталог](../../resource-manager/concepts/resources-hierarchy.md#folder) — пространство, в котором содержатся ресурсы Yandex Cloud. Для аутентификации в AI Studio необходим идентификатор каталога. Чтобы его получить, в [интерфейсе AI Studio](https://aistudio.yandex.ru/platform) наведите указатель на название каталога, расположенное в верхней части экрана, и нажмите ![image](../../_assets/ai-studio/folder-id.svg). Идентификатор будет скопирован в буфер обмена. ![image](../../_assets/ai-studio/ai-studio-get-folder-id.png)