看到 API 先不要逃走啊！這個概念就比較像是把你的電腦，直接連線到 Google 的雲端服務。然後你可以把（錄音的）音訊檔案傳給 Google，等到 Google 用他訓練好強大的 AI 幫你把語音辨識成文字以後，再回傳給你！概念就是這麼簡單！整個作業流程，我自己第一次做花了很多時間，大部分都在debug！所以我決定整理這篇，讓大家可以少花時間走冤枉路！從準備開始連線到最後翻完逐字稿的耗時比例：
設定與前置作業：90%
實際操作時間：10%
下面我們就要開始作業啦！
Google 有推出一項 Google Cloud Platform 的服務，裡面就是可以讓你去嘗試使用各種 Google 的雲端服務，包括去訓練一個自己的 AI modle，去玩他們訓練好的各種服務，Speech-To-Text 就是其中一項。所以，一開始你要先去 Google Cloud Platform 申請開通服務。
然後在上方選單中，找到「AI 與機器學習」，裡面就有 Speech-To-Text
一開始你需要建立一個專案，然後其實這項服務是需要收費的。只是現在在推廣活動，所以每個帳號都可以拿到第一年300美金（大概9千多塊錢台幣）的免費額度！非常夠用！
然後這個服務提供了許多彈性，如果你是個工程師人員。你可用自己喜歡的程式語言來使用這個服務，甚至把這個 API 跟其他的 code 結合在一起！只是因為我們不會寫程式啊，所以我們就選擇最簡單的工具，Google 開發了一套SDK讓我們安裝。安裝完以後，就可以用無腦複製貼上的方式，來完成所有的作業唷！（其實google的說明文件已經寫得很清楚，所以幾乎只要照著做就可以完成了！只是有些眉眉角角是沒有提到的！）
＊這裡面有提到「將私密金鑰下載為 JSON」，這個可以想成，現在你要直接把電腦連上 google 的雲端電腦了。他怎麼確定你是誰，要不要給你連線，你是不是奇怪的人呢？所以你就需要透過上面的網頁操作，把這個金鑰（其實就是個檔案，你沒有感覺ㄉ ）下載到你的電腦裡面。
當你把專案都開好，金鑰也都下載到電腦以後。下一步就是要在你的電腦裡面安裝 gCloud ，但因為他是個SDK，他不是一個軟體，所以這個安裝跟過往安裝軟體在電腦裡面不太一樣！
我的是 MAC 電腦，所以以下就只提到如何在 MAC 的作業系統上操作啦！（我想很多要打逐字稿的文青，應該也都是用 MAC 的電腦啊）
第一步，先打開你的「終端機」，如果這輩子還沒開過，找不到在哪裡的話。打開「應用程式」裡面有個「工具程式」，就可以找到囉！
第二步，在終端機裡面輸入以下的指令，但秉持著我們不要打code的精神，請你使用複製貼上ＸＤ（如果中間有停下來了，看看終端機是不是叫你登入你的google帳號密碼）
curl https://sdk.cloud.google.com這個步驟就是叫你的電腦去連上面的網址，來幫你下載安裝 SDK
第三步，接著要準備要拿那個鑰匙去敲敲 google 的大門，讓你的電腦可以跟google 連線了，所以接著在終端機複製貼上以下的指令。記得要把「金鑰的檔案名稱」換成剛剛你下載到電腦裡面那個金鑰檔案的檔名唷！
gcloud auth activate-service-account --key-file=金鑰的檔案名稱.json我自己會建議開一個word檔案，先把上面的指令貼到word，再到word裡面把那個中文字替換成你的檔名。然後再把整個完整的指令貼到終端機裡面。
第四步，一開始我們是在網頁的登入google帳號的主控台設定專案。現在你也要讓你的終端機可以登入你的帳號，所以複製貼下面的指令，讓終端機也可以自動登入你的帳號。（如果停下來了，看看終端機是不是叫你登入你的google 帳號密碼）
gcloud auth application-default login第五步，打開你家電腦跟google的大門！複製貼上就好，不要多想ＸＤ
gcloud auth application-default print-access-token好了！到這邊，前面的設定步驟已經全部結束！接下來要真的開始傳檔案給google，然後開始幫你做 AI 辨識的工作囉！！！
第六步，測試連線。貼上以下的指令，來試試看是不是成功！這個是叫 google AI 去幫你辨識一段範例的語音檔案，所以請在終端機貼上
gcloud ml speech recognize 'gs://cloud-samples-tests/speech/brooklyn.flac' \
--language-code='en-US'然後，你應該要看到你的終端機跑出下面的文字。如果有看到的話，表示你已經成功了 80%!!!!!
接著，我們要開始把自己的音訊辨識出來了！
第七步，首先將你的錄音檔。轉成flac格式，並且在轉檔的時候調整成Mono的單聲道格式！（我自己當初在嘗試的時候，一開始不斷出錯！找了好久好久才找到原來目前只有支援單聲道的辨識，所以務必在轉檔的時候要選這個格式）
至於 MAC 上的轉檔軟體，我之前是用「Switch」這個軟體。但最近發現如果要轉mono格式的話居然要付費！所以我現在是用MediaHuman Audio Converter 這個軟體。
第八步，轉完檔案以後。你需要把這個檔案，上傳到一個雲端空間。建議使用你剛剛在 Google Cloud Platform 專案內的儲存空間，比較保險。
所以像我就是在這個專案底下，開了一個叫做「0625」的「值區」。然後我要把我的音訊檔案上傳到這邊。
第九步，上傳完以後，有一個很重要的動作，就是你要把這個檔案設定成公開的。當初我也找了好久才發現怎麼設定！首先，你看到你上傳檔案的最後面有三個點點（上面的畫面被我截圖剪掉了），點下去以後第一個選項「編輯權限」，應該會看到下面的畫面。然後跟我一樣，先「新增項目」然後把第一個選成「使用者」，名稱要打「allUsers」。之後按下儲存，你就會發現這個檔案的權限變成公開的囉！
第十步，上傳檔案。現在我們又要回到終端機囉！首先打開你的word檔案，然後貼下這段指令。接著回到剛剛上傳的值區，點一下你上傳的檔案，你應該會看到一些詳細訊息。然後你會看到一個URL的欄位，按一下後面的複製。把剛剛那個上傳的音訊檔案的網址替換掉指令裡面的「這裡是音訊的網址」。之後再把整個完整的指令貼到終端機裡面！
gcloud ml speech recognize-long-running \
‘這邊是音訊的網址’ \
— language-code=’zh-TW’ — async＊特別注意，因為我要辨識的是繁體中文。所以上面有「zh-TW」，如果你要辨識的是其他的語音，那你需要再把這邊替換掉。像是如果要辨識英文的話，就應該要用「en-us」之類的…
＊＊特別注意2，如果你剛剛在網頁直接複製網址貼上的話。你會發現一直出現錯誤，那是因為你的網址前後被多加了空格，所以要記得確定下面兩個單引號要緊接著網址喔！
‘這邊是音訊的網址’如果成功的話，終端機上會看到他回傳了一串數字給你。像是這樣下圖，這個name後面的數字就是你這個工作的代號！最後一步，我們需要問google這個工作做完了沒，就需要這串數字！
“name”: “1231234534875612347”好！到這邊你已經完成90%了！給自己一個掌聲！
第十一步，問一下到底做完了沒！所以你可以直接在終端機貼上以下的指令
gcloud ml speech operations wait 這裡就是name後面那一串數字接著他就會一直去問google到底做完沒，做完的話就會回傳給你囉！（所以現在你就可以去做其他事情，然後等結果啦！）
第十二步，整理！因為我們辨識的是繁體中文，所以他只會用UTF-8回傳給我們，也就是你應該會看到類似下圖的鬼東西ＸＤ。裡面真正有用的就是「”transcript”」後面那一串，所以我自己的做法是，把所有他回傳的結果貼到word上，然後刪掉前後不要的東西。只留下那些「”\u7167\u9867\u6bd4\u8f03\u597d\u7528"」
"results": [{"alternatives": [{"confidence": 0.885302,"transcript": "\u7167\u9867\u6bd4\u8f03\u597d\u7528"}]},
第十三步，轉譯！我們是人啊！我們看的是文字，不是編譯碼！所以要把這些UTF-8的代碼轉換回中文字！這裡有個很方便的網站 可以參考使用！像是我把上面的東西貼進去轉譯以後，就會變成這樣！
好啦！到這裡！你應該就可以花點時間，把錄音檔好好的轉成逐字稿了！恭喜你啦！！！
後記心得：
- 其實辨識的品質沒有很好，我覺得跟檔案音訊的品質很有關係。開會的時候大家講話很快，中英文夾雜。很多時候連我們都聽不懂了，要讓他翻譯出來的東西100%可以直接用幾乎是不可能。但多少可以作為一個整理會議記錄的依據。
- 很可惜，還沒有開發到標點符號的功能。每一個斷句都是一個段代碼，所以在整理上會稍微花時間。
- 我辨識了六個小時的會議錄音後，目前才花了四百塊錢左右。划不划算見仁見智，反正現在都還是免費ＸＤ“
