[Документация Yandex Cloud](../../../index.md) > [speechkit](../../index.md) > Пошаговые инструкции > Распознавание > Потоковое распознавание аудиофайла API v3 # Потоковое распознавание аудиофайла с помощью API v3 Ниже рассмотрен пример потокового распознавания речи из аудиофайла с помощью [API v3](../../stt-v3/api-ref/grpc/index.md) SpeechKit. В примере заданы параметры: * [язык](../models.md#languages) — русский; * формат аудиопотока — [LPCM](../../formats.md#LPCM) с частотой дискретизации 8000 Гц; * [количество аудиоканалов](../../stt-v3/api-ref/grpc/AsyncRecognizer/recognizeFile.md#speechkit.stt.v3.RawAudio) — 1 (значение по умолчанию); * включен [фильтр ненормативной лексики](../../stt-v3/api-ref/grpc/AsyncRecognizer/recognizeFile.md#speechkit.stt.v3.TextNormalizationOptions); * остальные параметры оставлены по умолчанию. Аутентификация происходит от имени сервисного аккаунта с помощью [API-ключа](../../../iam/concepts/authorization/api-key.md) или [IAM-токена](../../../iam/concepts/authorization/iam-token.md). Подробнее об [аутентификации в API SpeechKit](../../concepts/auth.md). Чтобы реализовать пример из этого раздела: 1. [Создайте](../../../iam/operations/sa/create.md) сервисный аккаунт для работы с API SpeechKit. 1. [Назначьте](../../../iam/operations/sa/assign-role-for-sa.md) сервисному аккаунту роль `ai.speechkit-stt.user` или выше на каталог, в котором он был создан. 1. Настройте окружение и создайте клиентское приложение: {% list tabs group=programming_language %} - Python 3 {#python} 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 сервисного аккаунта. 1. Скачайте [пример](https://storage.yandexcloud.kz/speechkit/speech.pcm) аудиофайла для распознавания или используйте свой аудиофайл. 1. Склонируйте репозиторий [Yandex Cloud API](https://github.com/yandex-cloud/cloudapi): ```bash git clone https://github.com/yandex-cloud/cloudapi ``` 1. Установите пакет `grpcio-tools` с помощью менеджера пакетов [pip](https://pip.pypa.io/en/stable/): ```bash pip install grpcio-tools ``` 1. Перейдите в папку со склонированным репозиторием Yandex Cloud API, создайте папку `output` и сгенерируйте в ней код интерфейса клиента: ```bash cd <путь_к_папке_cloudapi> mkdir output python3 -m grpc_tools.protoc -I . -I third_party/googleapis \ --python_out=output \ --grpc_python_out=output \ google/api/http.proto \ google/api/annotations.proto \ yandex/cloud/api/operation.proto \ google/rpc/status.proto \ yandex/cloud/operation/operation.proto \ yandex/cloud/validation.proto \ yandex/cloud/ai/stt/v3/stt_service.proto \ yandex/cloud/ai/stt/v3/stt.proto ``` В результате в папке `output` будут созданы файлы с интерфейсом клиента: `stt_pb2.py`, `stt_pb2_grpc.py`, `stt_service_pb2.py`, `stt_service_pb2_grpc.py` и файлы зависимостей. 1. Создайте файл в корне папки `output`, например `test.py`, и добавьте в него следующий код: ```python #coding=utf8 import argparse import grpc import yandex.cloud.ai.stt.v3.stt_pb2 as stt_pb2 import yandex.cloud.ai.stt.v3.stt_service_pb2_grpc as stt_service_pb2_grpc CHUNK_SIZE = 4000 def gen(audio_file_name): # Задайте настройки распознавания. recognize_options = stt_pb2.StreamingOptions( recognition_model=stt_pb2.RecognitionModelOptions( audio_format=stt_pb2.AudioFormatOptions( raw_audio=stt_pb2.RawAudio( audio_encoding=stt_pb2.RawAudio.LINEAR16_PCM, sample_rate_hertz=8000, audio_channel_count=1 ) ), text_normalization=stt_pb2.TextNormalizationOptions( text_normalization=stt_pb2.TextNormalizationOptions.TEXT_NORMALIZATION_ENABLED, profanity_filter=True, literature_text=False ), language_restriction=stt_pb2.LanguageRestrictionOptions( restriction_type=stt_pb2.LanguageRestrictionOptions.WHITELIST, language_code=['ru-RU'] ), audio_processing_type=stt_pb2.RecognitionModelOptions.REAL_TIME ) ) # Отправьте сообщение с настройками распознавания. yield stt_pb2.StreamingRequest(session_options=recognize_options) # Прочитайте аудиофайл и отправьте его содержимое порциями. with open(audio_file_name, 'rb') as f: data = f.read(CHUNK_SIZE) while data != b'': yield stt_pb2.StreamingRequest(chunk=stt_pb2.AudioChunk(data=data)) data = f.read(CHUNK_SIZE) # Вместо iam_token передавайте api_key при авторизации с API-ключом # от имени сервисного аккаунта. # def run(api_key, audio_file_name): def run(iam_token, audio_file_name): # Установите соединение с сервером. cred = grpc.ssl_channel_credentials() channel = grpc.secure_channel('stt.api.ml.yandexcloud.kz:443', cred) stub = stt_service_pb2_grpc.RecognizerStub(channel) # Отправьте данные для распознавания. it = stub.RecognizeStreaming(gen(audio_file_name), metadata=( # Параметры для авторизации с IAM-токеном ('authorization', f'Bearer {iam_token}'), # Параметры для авторизации с API-ключом от имени сервисного аккаунта # ('authorization', f'Api-Key {api_key}'), )) # Обработайте ответы сервера и выведите результат в консоль. try: for r in it: event_type, alternatives = r.WhichOneof('Event'), None if event_type == 'partial' and len(r.partial.alternatives) > 0: alternatives = [a.text for a in r.partial.alternatives] if event_type == 'final': alternatives = [a.text for a in r.final.alternatives] if event_type == 'final_refinement': alternatives = [a.text for a in r.final_refinement.normalized_text.alternatives] print(f'type={event_type}, alternatives={alternatives}') except grpc._channel._Rendezvous as err: print(f'Error code {err._state.code}, message: {err._state.details}') raise err if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--token', required=True, help='IAM token or API key') parser.add_argument('--path', required=True, help='audio file path') args = parser.parse_args() run(args.token, args.path) ``` Где: * `audio_encoding` — [формат](../../formats.md) аудиопотока. * `sample_rate_hertz` — частота дискретизации аудиопотока. * `audio_channel_count` — количество аудиоканалов. * `profanity_filter` — [фильтр ненормативной лексики](../../stt-v3/api-ref/grpc/AsyncRecognizer/recognizeFile.md#speechkit.stt.v3.TextNormalizationOptions). * `literature_text` — [флаг для написания распознанного текста в литературном стиле](../../stt-v3/api-ref/grpc/AsyncRecognizer/recognizeFile.md#speechkit.stt.v3.TextNormalizationOptions). * `language_code` — [язык](../index.md#langs), для которого будет выполнено распознавание. 1. Сохраните полученный ранее [IAM-токен](../../../iam/concepts/authorization/iam-token.md) сервисного аккаунта в переменную окружения `IAM_TOKEN`: ```bash export IAM_TOKEN= ``` Чтобы аутентифицироваться в API SpeechKit с помощью API-ключа, сохраните API-ключ в переменную окружения `API_KEY` и измените файл `test.py` в соответствии с комментариями в коде. 1. Выполните созданный файл: ```bash python3 output/test.py --token ${IAM_TOKEN} --path <путь_к_файлу_speech.pcm> ``` Где `--path` — путь к аудиофайлу, который необходимо распознать. Результат: ```bash type=status_code, alternatives=None type=partial, alternatives=None type=partial, alternatives=['привет ми'] type=final, alternatives=['привет мир'] type=final_refinement, alternatives=['Привет мир'] type=eou_update, alternatives=None type=partial, alternatives=None type=status_code, alternatives=None ``` - Java {#java} 1. [Создайте](../../../iam/operations/authentication/manage-api-keys.md#create-api-key) API-ключ сервисного аккаунта. 1. Установите зависимости: ```bash sudo apt update && sudo apt install --yes openjdk-21-jre-headless maven ``` Для корректной сборки проекта требуется Java версии `17` и выше. 1. Склонируйте [репозиторий](https://github.com/yandex-cloud-examples/yc-speechkit-stt-java) с конфигурацией для приложения на Java: ```bash git clone https://github.com/yandex-cloud-examples/yc-speechkit-stt-java ``` 1. Перейдите в папку репозитория: ```bash cd yc-speechkit-stt-java ``` 1. Скомпилируйте проект в этой папке: ```bash mvn clean install ``` 1. Перейдите в созданную папку `target`: ```bash cd target ``` 1. Сохраните [API-ключ](../../../iam/concepts/authorization/api-key.md) сервисного аккаунта в переменную окружения `API_KEY`: ```bash export API_KEY= ``` 1. Скачайте [пример](https://storage.yandexcloud.kz/doc-files/speech.wav) аудиофайла в [формате WAV](https://ru.wikipedia.org/wiki/WAV): ```bash wget https://storage.yandexcloud.kz/doc-files/speech.wav ``` 1. Запустите программу Java для распознавания речи: ```bash java -cp speechkit_examples-1.0-SNAPSHOT.jar yandex.cloud.speechkit.examples.SttV3Client speech.wav ``` Результат: ```text sending initial request Done sending Stt stream completed Recognized text is я яндекс спичкит я могу превратить любой текст в речь теперь и вы можете ``` {% endlist %} #### Полезные ссылки {#see-also} * [Потоковое распознавание речи с микрофона с помощью API v3](microphone-streaming.md) * [Подробнее про API v3](../../stt-v3/api-ref/grpc/index.md) * [Аутентификация в API SpeechKit](../../concepts/auth.md)