在本篇文章中，我們將介紹如何使用 Google Cloud 平台的 UI 介面，進行語音轉文字後，再透過 Python 串接翻譯API，進行音訊逐字稿的翻譯。與上一篇【Google Cloud 語音轉文字及翻譯 : 直播翻譯】有所區別，上一篇主要介紹如何進行直播翻譯，而本篇則是教授如何在 GCP 的 UI 介面上，進行音頻檔案的轉譯。本次我們要轉譯的語音檔案長達一個半小時，超過了 Google Cloud 在線轉譯的 10MB 限制，因此我們需要先將檔案上傳至 Cloud Storage。
Speech-to-text UI 介面
上傳完成後，打開 UI 介面並創建新的設定，輸入需要的語音資訊，如圖一所示。
圖一
如果直接選擇已經上傳至 Cloud Storage 的檔案，則系統會自動填入語音類型、採樣率等等資訊，如圖二所示。
圖二
接下來，在第二步中，我們需要填寫音檔中所使用的語言。英語就有英式英語、美式英語、香港英語、新加坡英語等不同方言，我們也可以選擇添加三種語言翻譯。使用者可以根據需要勾選相應的選項，例如將說話者的情感轉換成對應的表情，將描述的標點符號轉換為相應的符號，如圖三所示：
圖三
第三步，根據您的需求勾選啟用模型自適應功能的選項，然後按下「提交」按鈕以開始處理檔案。如圖四所示，檔案開始進行處理。
圖四
當檔案處理完畢時，檔案左側將顯示綠色勾勾。點擊綠色勾勾即可下載 transcript。您可以選擇要下載的檔案格式，包括 CSV 檔或 TXT 檔。如圖五所示。
圖五
現在，我們已經成功地將語音檔案轉換為文字檔案。接下來，我們需要進行翻譯。本文採用的方法是直接從 Cloud Storage 下載 JSON 檔案，如圖六所示。接著，我們使用 Python 串接翻譯 API 進行翻譯。
圖六
Translation API
我們使用 new_speech.json 檔案，該檔案是從 Cloud Storage 下載下來的語音轉文字檔案。下一步的程式碼展示了我們使用 API 將英文轉譯為目標語言 zh-TW，使用 Neural Machine Translation（NMT）模型，並將結果儲存為 txt 檔案。如果您直接下載生成的 transcript 檔案，您可以選擇是否包含時間戳記、檔案類型等設定。相較於下載 json 檔案並串接 API 翻譯，直接下載 transcript 檔案能更直接地取得所需的檔案內容和類型，如圖七所示。
圖七
總結
綜合以上，本文詳細介紹了如何透過 Google Cloud 平台的 UI 介面進行語音轉文字和翻譯。使用者可先將檔案上傳至 Cloud Storage，再透過 UI 介面創建設定，填寫所需的語音資訊和語言選項，來進行轉文字的操作。最後，使用者可以下載轉換完成的 CSV 或 TXT 檔案。而如果需要進行翻譯的話，則可以使用 Python 串接翻譯 API，以將轉換完成的文字檔案進行翻譯。如果使用者需要直接取得所需的檔案內容和類型，也可以選擇下載 transcript 檔案。透過以上步驟，使用者可以輕鬆且迅速地進行語音轉文字和翻譯操作，並且可以根據個人需求進行更多的自訂設定。
