Transcrever arquivo MP3 em Texto com Python e API do Google Cloud Speech-to-Text

Publicado originalmente no LinkedIn em 28 de julho de 2024.
Esta versão foi migrada para o blog da Magneira a partir da publicação original:
https://www.linkedin.com/pulse/transcrever-arquivo-mp3-em-texto-com-python-e-api-do-magno-fe0lf/

Esta semana, precisei transcrever um áudio de aproximadamente duas horas, gravado durante uma aula e com qualidade de captação limitada. Depois de algumas pesquisas, montei um script em Python para automatizar o processo.

Requisitos

• FFmpeg 7.0.1
• Python 3.12

Configuração

O fluxo converte o MP3 para WAV, divide o áudio em trechos de 60 segundos e envia os segmentos para o Google Cloud Speech-to-Text. Ao final, a transcrição é salva em um arquivo de texto.

Instale as dependências:

pip install pydub google-cloud-speech

No Google Cloud Console, crie ou selecione uma Service Account, gere uma chave JSON e configure o caminho desse arquivo no código.

Também é necessário ter o FFmpeg disponível no PATH.

macOS

brew install ffmpeg

Linux

sudo apt update
sudo apt install ffmpeg

Código

O projeto utilizado no artigo está disponível no GitHub:

https://github.com/magnocarvalho/converter-audio-texto-py

Ajuste no código os caminhos da credencial JSON, do arquivo MP3 de entrada e do arquivo de texto de saída.

Custos

O uso do Google Cloud Speech-to-Text está sujeito à cobrança conforme o volume de áudio processado.