如何正确地将音频文件发送到 Google Speech API？

Question

我正在尝试通过以下演示在 Android 中实现 Google Speech API：https : //github.com/GoogleCloudPlatform/android-docs-samples

通过使用位于 R.raw 中的给定“audio.raw”文件，我能够在我的应用程序中成功重现该示例，并且一切正常。但是，当我尝试使用自己的音频文件时，它返回“API 成功”而没有任何转录文本。我不确定它是否与文件的路径或编码有关，因此我将包含两者的信息以防万一。

编码

我的音频文件是通过 MediaRecorder 录制语音获得的。这些是设置：

    myAudioRecorder = new MediaRecorder();
    myAudioRecorder.setAudioSource(MediaRecorder.AudioSource.MIC);
    myAudioRecorder.setOutputFormat(MediaRecorder.OutputFormat.THREE_GPP);
    myAudioRecorder.setAudioEncoder(MediaRecorder.OutputFormat.AMR_WB);
    myAudioRecorder.setAudioSamplingRate(16000);
    myAudioRecorder.setAudioEncodingBitRate(16000);
    myAudioRecorder.setAudioChannels(1);
    myAudioRecorder.setOutputFile(outputFile);

API 中 SpeechService 的 identifyInputStream() 函数：

mApi.recognize(
      RecognizeRequest.newBuilder()
              .setConfig(RecognitionConfig.newBuilder()
                      .setEncoding(RecognitionConfig.AudioEncoding.AMR_WB) //originally it was LINEAR16
                      .setLanguageCode("en-US")
                      .setSampleRateHertz(16000)
                      .build())
              .setAudio(RecognitionAudio.newBuilder()
                      .setContent(ByteString.readFrom(stream))
                      .build())
              .build(),
      mFileResponseObserver);

谷歌编码指南：https : //cloud.google.com/speech/docs/best-practices

据我了解，我可以使用 AMR_WB 和 16kHz 而不是默认的 LINEAR16，我只是不确定我是否做得对。

小路

这是完全可用的示例（使用来自 repo 的音频文件）：

mSpeechService.recognizeInputStream(getResources().openRawResource(R.raw.audio));

但是，即使使用完全相同的文件，以下选项都不起作用：

InputStream inputStream = new URL("[website]/test/audio.raw").openStream();
mSpeechService.recognizeInputStream(inputStream);

两者都不：

Uri uri = Uri.parse("android.resource://[package]/raw/audio");
InputStream inputStream = getActivity().getContentResolver().openInputStream(uri); //"getActivity()" because this is in a Fragment
mSpeechService.recognizeInputStream(inputStream);

需要明确的是，上述路径的结果与我的自定义音频文件的结果相同：“API 成功”，没有转录。我为我的自定义音频文件尝试过的选项之一，发生了同样的事情，是这样的：

FileInputStream fis = new FileInputStream(filePath);
mSpeechService.recognizeInputStream(fis);

我不能 100% 确定问题出在路径中的唯一原因是，如果 API 成功返回，则在指定路径中找到了该文件。问题应该是编码，但奇怪的是，以不同方式发送的同一个文件（“audio.raw”）会产生不同的结果。

无论如何，先谢谢你！:)

编辑：

需要明确的是，它并不是在转录中返回空字符串。它只是从未进入演示中也存在的“onSpeechRecognized”功能，因此没有提供转录。