Speech to Text APIs

Repositório com provas de conceito para comparar APIs de reconhecimento de fala e transcrição de áudio.

Sobre

As POCs exploram transcrição de áudio em tempo real e processamento de arquivos de áudio usando provedores diferentes.

POCs

• poc-aws: integração com Amazon Transcribe.
• poc-aws-webpack: integração inicial com Amazon Transcribe usando Webpack.
• poc-azure: integração com Microsoft Azure Speech-to-Text.
• poc-gcloud: integração com Google Cloud Speech-to-Text.
• poc-openapi: transcrição de arquivos com OpenAI Whisper.

Estrutura

poc-aws/          Amazon Transcribe
poc-aws-webpack/  Amazon Transcribe com Webpack
poc-azure/        Microsoft Azure Speech-to-Text
poc-gcloud/       Google Cloud Speech-to-Text
poc-openapi/      OpenAI Whisper
docs/             Documentação complementar

Mais detalhes:

docs/ESTRUTURA.md

Como executar

Entre na pasta da POC desejada:

cd nome-da-poc

Instale as dependências:

npm install

Execute o projeto:

npm start

Variáveis de ambiente

Arquivos .env reais não devem ser enviados ao GitHub.

Para a POC Azure, crie o arquivo local a partir do exemplo:

cp poc-azure/.env.example poc-azure/.env

Depois preencha:

AZURE_SPEECH_KEY=
AZURE_REGION=

Google Cloud Speech-to-Text

Para testar a poc-gcloud, use Credenciais Padrão de Aplicativo:

gcloud auth application-default login

OpenAI Whisper

A API Whisper Speech-to-Text é voltada para transcrição de arquivos de áudio pré-gravados. Ela não é indicada para transcrição em tempo real via streaming contínuo.

Para transcrição em tempo real, use APIs com suporte a streaming:

• Google Cloud Speech-to-Text
• Microsoft Azure Speech
• Amazon Transcribe