使用 Node.js 和 AssemblyAI 自动处理音频文件中的 PII 信息

使用 Node.js 和 AssemblyAI 自动处理音频文件中的 PII 信息 - Blockchain.News

在数据隐私时代，从音频和视频文件中删除个人身份信息 (PII) 是许多应用程序的关键任务。AssemblyAI 最近发布的一篇教程概述了如何使用 Node.js 和 AssemblyAI API 自动执行此过程。

了解 PII 及其重要性

PII 包括任何可用于识别个人的数据，例如姓名、电话号码和电子邮件地址。处理此类信息受 HIPAA、GDPR 和 CCPA 等法规的管控。在各种应用程序中去除 PII 是至关重要的，例如记录医生与患者之间的电话交谈。

设置开发环境

首先，确保安装了 Node.js 18 或更高版本。创建一个新的项目文件夹，导航到其中并初始化一个 Node.js 项目：

mkdir pii-redaction
cd pii-redaction
npm init -y

通过添加 "type": "module" 修改 package.json 文件以使用 ES 模块语法。接下来，安装 AssemblyAI JavaScript SDK：

npm install --save assemblyai

您需要一个 AssemblyAI API 密钥，可以从 AssemblyAI 的仪表板上获得。将此密钥设置为系统上的环境变量：

# Mac/Linux:
export ASSEMBLYAI_API_KEY=<YOUR_KEY>

# Windows:
set ASSEMBLYAI_API_KEY=<YOUR_KEY>

通过 PII 处理功能转录音频

设置好环境后，您可以开始转录音频文件。创建一个名为 index.js 的文件，并添加以下代码：

import { AssemblyAI } from 'assemblyai';

const client = new AssemblyAI({ apiKey: process.env.ASSEMBLYAI_API_KEY });

const transcript = await client.transcripts.transcribe({
  audio: "https://storage.googleapis.com/aai-web-samples/architecture-call.mp3",
  redact_pii: true,
  redact_pii_policies: [
    "person_name",
    "phone_number",
  ],
  redact_pii_sub: "hash",
});

if (transcript.status === "error") {
  throw new Error(transcript.error);
}

console.log(transcript.text);

此脚本在转录音频文件的同时处理了指定的 PII 类别，如姓名和电话号码，并将其替换为哈希值。

获取处理后的音频

要获取处理后的音频，请修改代码以包含音频处理设置：

import { AssemblyAI } from 'assemblyai';

const client = new AssemblyAI({ apiKey: process.env.ASSEMBLYAI_API_KEY });

const transcript = await client.transcripts.transcribe({
  audio: "https://storage.googleapis.com/aai-web-samples/architecture-call.mp3",
  redact_pii: true,
  redact_pii_policies: [
    "person_name",
    "phone_number",
  ],
  redact_pii_sub: "hash",
  redact_pii_audio: true,
  redact_pii_audio_quality: "mp3"
});

if (transcript.status === "error") {
  throw new Error(transcript.error);
}

console.log(transcript.text);

此配置确保处理后的音频以 MP3 格式提供。可以使用以下代码下载处理后的音频文件：

import { writeFile } from "fs/promises";

const { redacted_audio_url } = await client.transcripts.redactions(transcript.id);

const redactedFileResponse = await fetch(redacted_audio_url);
await writeFile("./redacted-audio.mp3", redactedFileResponse.body);