S3 → Lambda → Transcribe → S3 で文字起こしパイプラインを作成する

##1 S3(input)##

音声用ファイルのS3バケットを作成しておく。

##2 Lambda##

s3-get-object-pythonを利用していきます。

「1 S3(input)」で作成したS3バケットを選択し、「トリガーの有効化」にチェックを入れる。

import json
import urllib.parse
import boto3

print('Loading function')

s3 = boto3.client('s3')


def lambda_handler(event, context):
    print("Received event: " + json.dumps(event, indent=2))

    # Get the object from the event and show its content type
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = urllib.parse.unquote_plus(event['Records'][0]['s3']['object']['key'], encoding='utf-8')
    try:
        response = s3.get_object(Bucket=bucket, Key=key)
        print("CONTENT TYPE: " + response['ContentType'])
        return response['ContentType']
    except Exception as e:
        print(e)
        print('Error getting object {} from bucket {}. Make sure they exist and your bucket is in the same region as this function.'.format(key, bucket))
        raise e

音声ファイルをS3バケットにアップロードし、CloudWatch Logsで動作していることを確認しておく。

##3 S3(output)##

文字起こし用ののS3バケットを作成しておく。

##4 Lambda修正##

まず、実行ロールにAmazonTranscribeFullAccessとAmazonS3FullAccessを付与してあげる。

※TranscribeService
を参考にLambda functionを編集する。

import json
import urllib.parse
import boto3
import datetime

s3 = boto3.client('s3')
transcribe = boto3.client('transcribe')

def lambda_handler(event, context):
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = urllib.parse.unquote_plus(event['Records'][0]['s3']['object']['key'], encoding='utf-8')
    try:
        transcribe.start_transcription_job(
            TranscriptionJobName= datetime.datetime.now().strftime('%Y%m%d%H%M%S') + '_Transcription',
            LanguageCode='ja-JP',
            Media={
                'MediaFileUri': 'https://s3.ap-northeast-1.amazonaws.com/' + bucket + '/' + key
            },
            OutputBucketName='naata-ouput'
        )
    except Exception as e:
        print(e)
        print('Error getting object {} from bucket {}. Make sure they exist and your bucket is in the same region as this function.'.format(key, bucket))
        raise e

#5 Transcription#

「1 S3(input)」にmp3ファイルをアップロードし、
TranscriptionのOutput data locationに出力された「3 S3(output)」で
文字起こしされているかを確認する。