這系列文章出自於一個無窮無盡的bug的解題時間，想不到如何解bug、又想不出要寫什麼主題，參考完大家的方向以後，我發現這類型的文章很少、又很實用，才下定決心透過鐵人賽推廣 Google AI & ML Products。

在這次的挑戰裡，給了自己三個目標：

1. 更熟悉docker
2. 開始玩Golang
3. 入門大部分的Google AI & ML Products
   但也因為Google AI & ML Products太多了，所以把它分了很多子系列進行，現在再來回顧一下這次的內容。

前面先來個提醒，如果過程中你們有Deploy model做Online predict的，如果測完一定要記得刪掉，不然你deploy的model就會一直被收費喔。

因為這邊沒有AutoML的關係，所以今天是Speech-to-Text的最後一篇。

在doc文件裡的這篇是介紹如何使用Mic直接stream翻譯成文字，但我docker環境沒特別access host的mic，所以沒有測試這段。

中文Speech-to-Text

仔細測了一下，昨天的範例無法直接串接中文語音轉文字，原來是因為昨天使用的版本是v1，但中文相關的分析必須使用v1p1beta1，另一個原因是之前的檔案try.m4a一直測試都無法讀取，我把他轉為try.mp3以後，才可以順利解析。

這個步調而言，今天就是Cloud Speech-to-Text API串接，前情提要一樣是要先建立project、Enable API、下載credential json之類的。忘了的人記得看這系列第三天的文章。

好，現在要先來把test data抓下來，我們可以在google的github上找到很多檔案可以測試，我這邊抓的是audio.raw，並把它放到testdata/speech_to_text資料夾下。

今天來講第六個服務，寫到第21天終於第六個了。這個服務跟前幾天的Text-to-Speech剛好相反，是把聲音轉成文字。這服務號稱可以辨識120種語言跟其變化，更開心的是它可以辨識中文，還有廣東話、日文之類的語言也都可以。

當然每個系列的第一天都是玩一下他提供的demo，不過這很像是最後一個有提供demo的服務，接下來還得要調整步調。
大家可以先透過錄音程式錄一段話，然後再將檔案上傳：