今天是這子系列的最後一篇，因為Text-to-Speech沒有AutoML UI介面可以操作，無奈只好讓這邊結束這回合。

按照進度，這篇必須更深入介紹Text-to-Speech API，來看看今天的兩個主題吧。

列出Voice清單

下面這段code可以列出支援的語言，並提供不同種的發聲方式。

昨天玩完Cloud Text-to-Speech demo以後，大概知道他可以把文字轉成語音念給你聽。今天就來入門Cloud Text-to-Speech API吧。

前情提要：記得先Enable API，放置環境變數的教學可以看這系列第三天的文章
語言一樣使用Golang，然後跑在docker裡，之後也會放上github

今天來介紹Google另一個AI服務：文字轉語音(Text-To-Search)。把一段文字丟入以後，他可以唸出來給你。這套服務目前還沒有AutoML的UI介面可以操作，我們就只能看看API跟demo的操作。

在Text-To-Search裡，Google有使用到WaveNet模型，這套模型用了大量的語音去訓練AI，讓AI能知道哪些字接著哪些字應該怎麼發音，讓聲音更像人說出來的一樣。

更詳細的WaveNet可以看Google這邊的介紹：https://cloud.google.com/text-to-speech/docs/wavenet
還可以聽一下不是WaveNet說的話，跟WaveNet說的話之間的差別

今天要講AutoML translation的部分，這部分在官網上一直沒找到對應的範例，很有可能範例要自己生。我只好自己在網路上找些翻譯的dataset，幸好在這邊有找到很多很多的資料集，只需要做一些資料處理的動作，現在就來先處理一下。

我下載的資料集：News Commentary，並取出中文跟英文的部分。

還記得昨天在串API的時候，有特別提到Google Translate API在Go client library沒有v3beta1的版本。秉持著練習golang的精神，看到v3beta1有RESTful API，就花了點時間來串一下。

Google translate API v3

我這邊參考的是Using the command line的內容，使用CURL的方式呼叫，並把他改寫成Go req (http client)這類型的RESTful API call。仔細想想，要解決的問題有兩個：1. Get Access token、2. 呼叫restful api。

昨天玩完了Demo，按照步調今天就用Code來實踐吧。在下筆的時候Client Library有v2、v3beta1兩個版本，但Golang只有v2的Example，需要的話就只能用Golang執行CURL POST去呼叫v3beta1版API，所以我這邊就先使用v2來試試看。

Translate Text

架構一樣是在modules底下建立一個translation.go的module
還有要記得抓credential json下來，可以參考這系列第三天的文章

OK，今天要講一個大家常用，卻不一定知道他是Google AI & ML products之一的服務，Google Translation API。

他有什麼東西？他跟前面介紹的服務一樣，也分成兩個服務AutoML Translation與Translation API：

• AutoML Translation：透過UI介面讓一些比較沒這麼深入了解AI & ML的人可以快速操作，僅僅只要上傳固定格式的檔案，就可以訓練出你自己的model。
• Translation API：透過API呼叫，可以讓你的服務馬上翻譯成多國語言，就有點像是在網頁上面串上Google翻譯那樣，點個兩下就做完多國語系(姑且不論正確性的問題，哈哈哈。)

我們今天玩的是AutoML Natural Language，可以透過GCP左邊的sidebar，找到Natural Language打開，或直接點這個連結

AutoML Natural Language的收費方式記得先看這裡：https://cloud.google.com/natural-language/automl/pricing?_ga=2.125750730.-1764044900.1562297905

今天來Google Natural Language第三篇，我本來想按照Natural Language裡分析情緒這個部分實作，可是看完以後發現它code有點短，只有下面這樣：

1
2
3
4
5
6
7
8
9
10

func analyzeSentimentFromGCS(ctx context.Context, gcsURI string) (*languagepb.AnalyzeSentimentResponse, error) {
        return client.AnalyzeSentiment(ctx, &languagepb.AnalyzeSentimentRequest{
                Document: &languagepb.Document{
                        Source: &languagepb.Document_GcsContentUri{
                                GcsContentUri: gcsURI,
                        },
                        Type: languagepb.Document_PLAIN_TEXT,
                },
        })
}

今天開始使用Natural3Language API，一樣要先Enable API跟下載credential json。

忘記的人可以看這系列第三天的文章回想一下。

在這之前我先重構一下原先的main.go，讓我加上參數去呼叫不同天的Demo api:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

// Usage: `docker run -it golang ./app [DayXX]`
func main() {
  arg := os.Args[1]

  if arg == "Day3" {
    vision.DetectLabel(os.Stdout, "./testdata/furniture.jpg")
  } else if arg == "Day4" {
    vision.DetectText(os.Stdout, "./testdata/las-vegas.jpg")
    vision.DetectFaces(os.Stdout, "./testdata/face.jpg")
  } else if arg == "Day7" {
    video.DemoCode(os.Stdout, "gs://cloud-samples-data/video/cat.mp4")
  } else if arg == "Day8" {
    video.ShotChangeURI(os.Stdout, "gs://cloud-samples-data/video/gbikes_dinosaur.mp4")
    video.TextDetectionGCS(os.Stdout, "gs://python-docs-samples-tests/video/googlework_short.mp4")
  } else if arg == "Day11" {
    language.DemoCode(os.Stdout, "Hello World")
  }
}