如何获取未指定输出位置的AWS Transcribe转录文件并打印其内容

我明白你现在的困惑——当你用Transcribe时没指定自己的输出桶，转录文件存在AWS托管的桶里，想拿到里面的文本确实需要几步操作，我来一步步给你讲清楚：

第一步：确认转录任务完成并获取TranscriptFileUri #

首先，你需要调用get_transcription_job方法检查任务状态，只有当任务状态为COMPLETED时，才能拿到有效的转录文件URI。转录任务需要时间处理，所以你可以选择短时间轮询等待，或者用更稳妥的事件通知方式（后面会提到）。

示例代码片段：

import boto3
import time

transcribe_client = boto3.client('transcribe')
job_name = "你的转录任务名称"  # 也就是调用start_transcription_job时指定的名称

# 轮询等待任务完成（注意Lambda的超时限制，建议设置合理的等待时长）
while True:
    response = transcribe_client.get_transcription_job(TranscriptionJobName=job_name)
    status = response['TranscriptionJob']['TranscriptionJobStatus']
    
    if status in ['COMPLETED', 'FAILED']:
        break
    print(f"转录任务正在处理中，当前状态: {status}，5秒后重试...")
    time.sleep(5)

if status == 'COMPLETED':
    # 提取转录文件的URI
    transcript_uri = response['TranscriptionJob']['Transcript']['TranscriptFileUri']
    print(f"成功获取转录文件URI: {transcript_uri}")
else:
    print(f"转录任务失败，状态: {status}")
    # 这里可以添加失败后的处理逻辑

第二步：解析URI并获取转录文件内容 #

拿到的TranscriptFileUri是AWS托管S3桶的对象地址，格式类似https://s3.<区域>.amazonaws.com/<托管桶名称>/<转录文件键名>.json。你需要解析这个URI得到桶名和对象键，然后用boto3的S3客户端获取文件内容，最后从JSON里提取转录文本。

接上面的代码继续添加：

import json

s3_client = boto3.client('s3')

# 解析URI获取桶名和对象键
parsed_uri = transcript_uri.split('/')
bucket_name = parsed_uri[3]
object_key = '/'.join(parsed_uri[4:])

# 获取S3对象内容
try:
    s3_response = s3_client.get_object(Bucket=bucket_name, Key=object_key)
    transcript_json = json.loads(s3_response['Body'].read().decode('utf-8'))
    
    # 提取最终的转录文本
    transcribed_text = transcript_json['results']['transcripts'][0]['transcript']
    print("\n转录文本内容：")
    print(transcribed_text)
except Exception as e:
    print(f"获取转录文件失败: {str(e)}")

重要注意事项 #

1. Lambda权限配置：你的Lambda执行角色需要添加以下权限：
   • transcribe:GetTranscriptionJob：允许查询转录任务状态
   • s3:GetObject：允许读取AWS托管的Transcribe桶内的对象（可以指定桶名arn:aws:s3:::aws-transcribe-<你的账号ID>-<区域>来缩小权限范围）
2. 避免Lambda超时：如果你的音频文件较长，转录时间可能超过Lambda的最大超时时间（15分钟），这种情况下建议不要用轮询，而是在调用start_transcription_job时设置NotificationChannel参数，指定一个SNS主题，当转录任务完成时，SNS会触发另一个Lambda来处理结果，这样更高效可靠。
3. 错误处理：记得添加异常捕获逻辑，比如任务失败、S3对象获取失败等情况，避免Lambda意外报错。

备注：内容来源于stack exchange，提问作者user13528908