Transcreva uma teleconferência usando o Amazon Transcribe e o Vonage

De vez em quando, lembro-me de que estou vivendo no futuro. Pelo menos no futuro com o qual sonhava nos anos 80.

Um dos meus primeiros empregos consistia em transcrever ligações de atendimento ao cliente que, de alguma forma, acabavam se transformando em reclamações contra a empresa para a qual eu trabalhava como temporária. Naquela época, assim como hoje, eu era péssima em digitação, e isso sempre foi um calvário que eu nunca gostei.

“Não seria ótimo”, pensei, “se os computadores fossem bons o suficiente para fazer isso automaticamente”. Não havia muita chance disso acontecer com os ZX Spectrum e os BBC Micro da época.

Algumas décadas depois, essa capacidade de transcrever gravações de voz já não é exatamente uma novidade. O que é novo é a ampla disponibilidade dessa tecnologia e, graças ao poder das APIs, a facilidade com que ela pode ser incorporada a uma grande variedade de fluxos de trabalho.

Se você é como eu, passa bastante tempo em teleconferências e, muitas vezes, precisa consultar o que foi dito nessas chamadas. Não seria ótimo se você pudesse simplesmente ter o conteúdo transcrito automaticamente para poder revisá-lo quando quisesse? Pois bem, isso é possível, e tenho um aplicativo de demonstração para provar isso!

The Applications

Nosso aplicativo de demonstração usa a Voice API de Vonage para conectar qualquer número de participantes em uma conferência e, em seguida, encaminha o áudio para a API Amazon Transcribe. Quando a transcrição fica pronta, ela é baixada localmente e, em seguida, analisada para exibir o que foi dito por cada participante. No momento, ela é um pouco básica, mas poderia ser facilmente ampliada para apresentar uma interface agradável que permitisse a você ver todas as suas conferências e acessar a transcrição com apenas um clique.

Existem alguns elementos envolvidos aqui, conforme mostrado no diagrama a seguir:

Diagram showing the functionality of the Amazon Transcribe Call demo

Utilizamos a Voice API da Vonage para criar uma teleconferência. Quando a teleconferência termina, o áudio bruto da chamada é enviado para o serviço de armazenamento em nuvem S3 da Amazon.

Quando o arquivo de áudio é carregado em nosso bucket de armazenamento, usamos o serviço CloudWatch da Amazon para acionar um evento. Esse evento, por sua vez, aciona uma função Lambda sem servidor que avisa nosso aplicativo de que a transcrição está disponível. Em seguida, o aplicativo baixa a transcrição e analisa o conteúdo.

Experimente!

O código-fonte da demonstração e as etapas que você precisa seguir para executá-la estão aqui.

Além disso, temos um tutorial que mostra como ele foi montado.

Ficaríamos muito felizes se você experimentasse e nos contasse o que achou. Ficaríamos muito felizes se você fizesse um fork do repositório e o tornasse ainda melhor!