Compartir:
){kind=small}
Antiguo redactor técnico en Vonage. Le encanta jugar con las API y documentarlas.
Transcribir una teleconferencia con Amazon Transcribe y Vonage
Tiempo de lectura: 2 minutos
De vez en cuando me acuerdo de que vivo en el futuro. Al menos, el futuro con el que soñaba en los años 80.
Uno de mis primeros trabajos consistió en transcribir llamadas de atención al cliente que, de alguna manera, se habían convertido en quejas contra la empresa para la que trabajaba temporalmente. Yo era entonces, y sigo siendo, una pésima mecanógrafa y esto siempre fue un calvario que nunca disfruté.
¿No sería estupendo que los ordenadores fueran capaces de hacerlo automáticamente? No había muchas posibilidades con los ZX Spectrum y los BBC Micros de la época.
Un par de décadas más tarde, la capacidad de transcribir grabaciones de voz no es una novedad. Lo que sí es nuevo es la amplia disponibilidad de esta tecnología y, gracias a la potencia de las API, la facilidad con la que puede incorporarse a una gran variedad de flujos de trabajo.
Si eres como yo, pasas mucho tiempo en conferencias telefónicas y a menudo necesitas consultar lo que se dijo en ellas. ¿No sería estupendo poder transcribirlas automáticamente para poder volver a consultarlas cuando quieras? Pues sí, ¡y tengo la aplicación de demostración que lo demuestra!
Nuestra aplicación de demostración utiliza la API de voz de Vonage para conectar a cualquier número de participantes en una conferencia y, a continuación, canaliza el audio a la API de transcripción de Amazon. Cuando la transcripción está lista, la descarga localmente y la analiza para mostrar lo que ha dicho cada participante. De momento es un poco básico, pero podría ampliarse fácilmente para presentar una interfaz agradable que te permitiera ver todas tus conferencias y consultar la transcripción con sólo pulsar un botón.
Aquí hay unas cuantas piezas móviles, como se muestra en el siguiente diagrama:
Diagram showing the functionality of the Amazon Transcribe Call demo
Utilizamos la Voice API de Vonage para crear una multiconferencia. Cuando finaliza la conferencia, el audio sin procesar de la llamada se sube al servicio de almacenamiento en la nube S3 de Amazon.
Cuando el audio aparece en nuestro bucket de almacenamiento, utilizamos el servicio Cloudwatch de Amazon para activar un evento. Este evento, a su vez, activa una función Lambda sin servidor que alerta a nuestra aplicación de que la transcripción está disponible. A continuación, la aplicación descarga la transcripción y analiza su contenido.
El código fuente de la demo y los pasos que hay que seguir para ejecutarla están aquí.
Además, tenemos un tutorial que muestra cómo se armó.
Nos encantaría que lo probaras y nos dieras tu opinión. Estaríamos extasiados si haces un fork del repositorio y lo mejoras aún más.