今天要介紹新的服務：Dialogflow。這部分說明文件繞來繞去，最後導到新的網址：https://cloud.google.com/dialogflow/docs/how
這邊比較可惜是沒有簡易的測試可以玩，我們就先透過UI建立一個agent，建立一個簡單的Dialogflow流程體驗一下。
快來這邊體驗Dialogflow的UI吧：https://dialogflow.cloud.google.com/#/getStarted
選擇中文並選擇project以後，按下建立就可以建立一個新的dialogflow。
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：
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。
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。
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。
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