标签: google-cloud-speech

我无法导入google.cloud.speech

from google.cloud import speech

我用它安装了它:

pip install --upgrade google-cloud-speech -t dir-name

从dir-name导入时,它给出了以下错误

ImportError: No module named google.cloud

包含所有子包的google包在那里,但在每个子包中也没有__init__ .py.

如何在不在包文件夹中添加__init__ .py的情况下导入此包？

PS:我也尝试过__future__ import absolute_import,但它无法正常工作.

因此,我正在考虑为文本应用程序构建语音以获得乐趣.我做了一些研究,发现一个内置的Speech to Text API使用的是免费的RecognizerIntent,但也发现google现在提供了一个云语音API的收费.

我的问题是,它们之间有什么区别,如果我使用内置的RecognizerIntent,它是免费的吗？

我想从网络流式传输音频，然后使用python google-cloud-speechAPI 将其转换为文本。我已经将其集成到我的Django频道代码中。

对于前端，我直接复制了此代码，而后端则具有此代码（请参见下文）。现在，问题来了，我没有收到任何异常或错误，但是我没有从Google API得到任何结果...

我试过的

• 我将调试点放入process函数循环中，控件永远不会到达循环内部。

• 我在这里遍历了Java代码，并试图理解它...我已经在本地设置了Java代码并对其进行了调试。我了解的一件事是在Java代码中，该方法onWebSocketBinary正在接收一个整数数组，从前端我们像这样发送

  socket.send(Int16Array.from(floatSamples.map(function (n) {return n * MAX_INT;})));
  

  Run Code Online (Sandbox Code Playgroud)

• 在Java中，它们将转换为字节串，然后发送给Google。在django中，我放了调试点，并注意到我正在以二进制字符串形式获取数据...因此，我觉得我不需要执行任何操作...但是，我尝试了几种方法将其转换为整数数组，但是没有用，因为google期望以字节为单位...（您可以在下面看到带注释的代码）

• 我经历了这个示例代码，它来自谷歌，我正在做同样的事情，我不明白我在这里做错了什么。

谁能帮我？？？

Django代码：

import json

from channels.generic.websocket import WebsocketConsumer

# Imports the Google Cloud client library
from google.cloud import speech
from google.cloud.speech import enums
from google.cloud.speech import types

# Instantiates a client
client = speech.SpeechClient()
language_code = "en-US"
streaming_config = None


class SpeechToTextConsumer(WebsocketConsumer):
    def connect(self):
        self.accept()

    def disconnect(self, close_code):
        pass …

我正在使用带有NodeJS后端的Google Cloud API for Speech-to-text.应用程序需要能够侦听语音命令,并将它们作为缓冲区传输到后端.为此,我需要在检测到静音时发送前一个音频的缓冲区.

任何帮助,将不胜感激.包括下面的js代码

 if (!navigator.getUserMedia)
    navigator.getUserMedia = navigator.getUserMedia || navigator.webkitGetUserMedia ||
        navigator.mozGetUserMedia || navigator.msGetUserMedia;

if (navigator.getUserMedia) {
    navigator.getUserMedia({audio: true}, success, function (e) {
        alert('Error capturing audio.');
    });
} else alert('getUserMedia not supported in this browser.');

var recording = false;

window.startRecording = function () {
    recording = true;
};

window.stopRecording = function () {
    recording = false;
    // window.Stream.end();
};

function success(e) {
    audioContext = window.AudioContext || window.webkitAudioContext;
    context = new audioContext();

    // the sample rate is in …

我正在对Google Cloud Speech API执行异步请求,我不知道如何获取操作结果:

请求POST: https ://speech.googleapis.com/v1beta1/speech: asyncrecognize

身体:

{
    "config":{
                 "languageCode" : "pt-BR",
                 "encoding" : "LINEAR16",
                 "sampleRate" : 16000
             },
     "audio":{
                 "uri":"gs://bucket/audio.flac"
             }
}

哪个回报:

{ "name": "469432517" }

所以,我做了一个POST:https://speech.googleapis.com/v1beta1/operations/469432517

哪个回报:

{
    "name": "469432517",
    "metadata": {
        "@type": "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeMetadata",
        "progressPercent": 100,
        "startTime": "2016-08-11T21:18:29.985053Z",
        "lastUpdateTime": "2016-08-11T21:18:31.888412Z"
    },
    "done": true,
    "response": {
                    "@type": "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeResponse"
                }
}

我需要得到操作的结果:转录的文本.

我怎样才能做到这一点？

我想通过 Google Cloud text-to-speech API使用SSML 标记来请求音频流中这些标记的时间。这些时间戳是必要的，以便为用户提供效果提示、单词/部分突出显示和反馈。

我发现这个问题是相关的，尽管这个问题是指每个单词的时间戳而不是 SSML<mark>标签。

以下 API 请求返回 OK，但显示缺少请求的标记数据。这是使用Cloud Text-to-Speech API v1.

{
 "voice": {
  "languageCode": "en-US"
 },
 "input": {
  "ssml": "<speak>First, <mark name=\"a\"/> second, <mark name=\"b\"/> third.</speak>"
 },
 "audioConfig": {
  "audioEncoding": "mp3"
 }
} 

回复：

{
 "audioContent":"//NExAAAAANIAAAAABcFAThYGJqMWA..."
}

它只提供没有任何上下文信息的合成音频。

是否有我忽略的 API 请求可以公开有关这些标记的信息，例如IBM Watson和Amazon Polly 的情况？

我InvalidArgument: 400在 google Speech-to-text 中不断收到此错误，问题似乎是我使用的是 2 声道音频（立体声），而 API 正在等待（单声道）中的 wav。

如果我在音频编辑器中转换文件它可能会工作，但我不能使用音频编辑器来转换一批文件。有没有办法在 Python 或 Google Cloud 中更改音频类型。

注意：我已经尝试过“wave 模块”，但我一直收到错误 #7 无法识别的文件类型（我无法从 Python 中读取带有模块 wave 的 wav 文件）

-ERROR- InvalidArgument: 400 必须使用单声道（单声道）音频，但 WAV 标头指示 2 个声道。

我希望能够结束 Google 语音到文本流（使用创建streamingRecognize），并取回待处理的 SR（语音识别）结果。

简而言之，相关的 Node.js 代码：

// create SR stream
const stream = speechClient.streamingRecognize(request);

// observe data event
const dataPromise = new Promise(resolve => stream.on('data', resolve));

// observe error event
const errorPromise = new Promise((resolve, reject) => stream.on('error', reject));

// observe finish event
const finishPromise = new Promise(resolve => stream.on('finish', resolve));

// send the audio
stream.write(audioChunk);

// for testing purposes only, give the SR stream 2 seconds to absorb the audio
await new Promise(resolve => setTimeout(resolve, …

我正在尝试在Android项目中使用Google的Speech API.示例项目有效.我在自己的Android应用程序中使用它时遇到了麻烦.

build.gradle(模块:app):

apply plugin: 'com.android.application'
apply plugin: 'com.google.protobuf'

ext {
    supportLibraryVersion = '25.4.0'
    grpcVersion = '1.4.0'
}
android {
    compileSdkVersion 25
    buildToolsVersion "25.0.3"

    defaultConfig {
        applicationId "ApplicationID"
        minSdkVersion 16
        targetSdkVersion 24
//        compileOptions {
//            sourceCompatibility JavaVersion.VERSION_1_5
//            targetCompatibility JavaVersion.VERSION_1_5
//        }
    }
    signingConfigs {
        release {
            storeFile file(project.properties.storeFile)
            storePassword project.properties.storePassword
            keyAlias project.properties.keyAlias
            keyPassword project.properties.keyPassword
        }
    }
    productFlavors {
        dev {
            // Minimum version with platform multi-dex support
            minSdkVersion 21
        }
        prod {
            // Minimum version that …

当我使用Google语音来发送api或google云语音解决方案时,保持了什么级别的数据隐私.我想知道这一点,因为我正在开发一个将音频文件转换为文本的应用程序,这些文件可能包含用户敏感数据.