标签: google-speech-api

我尝试使用 JSON 和下面的代码片段向https://speech.googleapis.com/v1/speech:recognize发送 POST 请求。不知何故，谷歌回应说无法在我的请求中解码 Base 64。

{ "config": { "encoding": "LINEAR16", "sampleRateHertz": 16000, "languageCode": "ja-JP", "maxAlternatives": 5, "profanityFilter": false }, "audio": { "content ": "ZXCVBNM" }, }

    String pcmFilePath = "/storage/emulated/0/Download/voice8K16bitmono.pcm";
    File rawFile = new File(pcmFilePath);
    byte[] rawData = new byte[(int) rawFile.length()];
    DataInputStream input = null;
    try {
        input = new DataInputStream(new FileInputStream(rawFile));
        int readResult = input.read(rawData);
    } catch (Exception ex) {
        ex.printStackTrace();
    }
    if (input != null) {
        input.close();
    };

    String base64 = Base64.encodeToString(rawData, Base64.DEFAULT);
    String …

我的代码：

with sr.Microphone() as source:
    audio = r.listen(source)
    try:
        print("You said: " + r.recognize_google(audio) + "in french")
    except sr.UnknownValueError:
        print("Google Speech Recognition could not understand audio")
    except sr.RequestError as e:
        print("Could not request results from Google Speech Recognition service")

我想将收听语言更改为法语。我该怎么做？

我正在尝试将mp4视频片段转换为FLAC音频文件,然后谷歌语音吐出视频中的单词,以便我可以检测是否有特定的单词.

除了我从Speech API收到错误之外,我已经完成了所有工作:

{
  "error": {
    "code": 400,
    "message": "Sample rate in request does not match FLAC header.",
    "status": "INVALID_ARGUMENT"
  }
}

我正在使用FFMPEG将mp4转换为FLAC文件.我在命令中指定FLAC文件为16位,但是当我右键单击FLAC文件时,Windows告诉我它是302kbps.

这是我的PHP代码:

// convert mp4 video to 16 bit flac audio file
$cmd = 'C:/wamp/www/ffmpeg/bin/ffmpeg.exe -i C:/wamp/www/test.mp4 -c:a flac -sample_fmt s16 C:/wamp/www/test.flac';
exec($cmd, $output);

// convert flac to text so we can detect if certain words were said
$data = array(
    "config" => array(
        "encoding" => "FLAC",
        "sampleRate" => 16000,
        "languageCode" => "en-US"
    ),
    "audio" => array(
        "content" …

使用Google语音转文本，我可以使用默认参数转录音频剪辑。但是，在使用enable_speaker_diarization标签在音频片段中配置单个扬声器时，出现错误消息。谷歌文档就在这里 这是一个漫长的识别音频剪辑所以我使用的谷歌建议异步请求，在这里

我的代码-

def transcribe_gcs(gcs_uri):
from google.cloud import speech
from google.cloud import speech_v1 as speech
from google.cloud.speech import enums
from google.cloud.speech import types
client = speech.SpeechClient()
audio = types.RecognitionAudio(uri = gcs_uri)
config = speech.types.RecognitionConfig(encoding=speech.enums.RecognitionConfig.AudioEncoding.FLAC, 
                                        sample_rate_hertz= 16000, 
                                        language_code = 'en-US',
                                       enable_speaker_diarization=True,
                                        diarization_speaker_count=2)

operation = client.long_running_recognize(config, audio)
print('Waiting for operation to complete...')
response = operation.result(timeout=3000)
result = response.results[-1]

words_info = result.alternatives[0].words

for word_info in words_info:
    print("word: '{}', speaker_tag: {}".format(word_info.word, word_info.speaker_tag))

使用后-

transcribe_gcs('gs://bucket_name/filename.flac') 

我得到错误

ValueError: Protocol message RecognitionConfig has no "enable_speaker_diarization" …

尝试恢复 Speech to Text 操作时出现此错误。

Google\Protobuf\Internal\GPBDecodeException: Error occurred during parsing: Class google.cloud.speech.v1.LongRunningRecognizeMetadata hasn't been added to descriptor pool in Google\Protobuf\Internal\Message->parseFromJsonStream()

我正在做的是启动长时间运行的操作并存储名称。稍后我将根据我之前存储的名称创建一个单独的页面，其中包含操作的状态。

这是我用来尝试获取操作状态的方法

$speechClient = new SpeechClient();
$operationResponse = $speechClient->resumeOperation($record->operation_name, 'longRunningRecognize');

有可能做这样的事情吗？

我正在研究 RPi 4 并让代码正常工作，但是我的语音识别对象从麦克风的收听时间非常长，几乎有 10 秒。这次我想减少。我查看了语音识别库文档，但它没有在任何地方提到该功能。

Python 编辑器给我该函数的以下提示listen()；

\n

self：识别器，源，超时=无，phrase_time_limit =无\nsnowboy_configuration =无

\n

所以我尝试调用该函数，如下所示：

audio = r.listen(source,None,3)\n

或者

 audio = r.listen(source,3,3)\n

希望它能听 3 秒钟，但事实并非如此。

以下是我的代码：

import speech_recognition as sr\n\nr = sr.Recognizer()\n\nspeech = sr.Microphone(2)\n\n#print(sr.Microphone.list_microphone_names())\n\nwhile 1:\n\n             with speech as source:\n                 print("say something!\xe2\x80\xa6")\n                 audio = r.adjust_for_ambient_noise(source)\n                 audio = r.listen(source,None,3)\n                 print("the audio has been recorded")\n             # Speech recognition using Google Speech Recognition\n             try:\n                 print("api is enabled")\n                 recog = r.recognize_google(audio, language = …

我正在使用 python3 通过提供的 python 包（google-speech）使用 Google 语音转文本转录音频文件。

有一个选项可以定义用于转录的自定义短语，如文档中所述： https: //cloud.google.com/speech-to-text/docs/speech-adaptation

出于测试目的，我使用一个包含文本的小音频文件：

[..] 在本次讲座中，我们将讨论 Burrows Wheeler 变换和 FM 索引 [..]

我将给出以下短语来查看效果，例如，如果我希望使用正确的符号来识别特定名称。在此示例中，我想将burrows更改为barrows：

config = speech.RecognitionConfig(dict(
    encoding=speech.RecognitionConfig.AudioEncoding.ENCODING_UNSPECIFIED,
    sample_rate_hertz=24000,
    language_code="en-US",
    enable_word_time_offsets=True,
    speech_contexts=[
        speech.SpeechContext(dict(
            phrases=["barrows", "barrows wheeler", "barrows wheeler transform"]
        ))
    ]
))

不幸的是，这似乎没有任何效果，因为输出仍然与没有上下文短语时相同。

我是否使用了错误的短语，或者它有如此高的信心，以至于它听到的单词确实是洞穴，所以它会忽略我的短语？

PS：我还尝试使用speech_v1p1beta1.AdaptationClientandspeech_v1p1beta1.SpeechAdaptation而不是将短语放入配置中，但这只会给我一个内部服务器错误，而不会提供有关出现问题的其他信息。https://cloud.google.com/speech-to-text/docs/adaptation

我正在尝试遵循本指南https://cloud.google.com/speech/docs/getting-started，以通过curl调用GAE语音至文本api。但这似乎不起作用。

我已经建立了一个项目并启用了语音对文本api的功能。但是，当我尝试激活服务帐户时，它失败了。我已经运行了诊断程序，尝试了其他帐户，验证了json文件（已发送电子邮件），并尝试了gcloud beta init ：-（

bash-3.2 $ gcloud auth激活服务帐户account@project.iam.gserviceaccount.com --key-file = project.json错误：（gcloud.auth.activate-service-account）无法激活给定的服务帐户。请确保提供的密钥文件有效。

尽管“ gcloud auth print-access-token”的下一步返回一个令牌。

但是最后一步（curl）返回此信息-

{“错误”：{“代码”：403，“消息”：“ Google Cloud Speech API之前未在项目google.com:cloudsdktool中使用或已禁用。请访问https：//console.developers启用它。 google.com/apis/api/speech.googleapis.com/overview?project=google.com:cloudsdktool然后重试。如果您最近启用了此API，请等待几分钟，以将操作传播到我们的系统并重试。“， “状态”：“ PERMISSION_DENIED”，“详细信息”：[{“ @type”：“ type.googleapis.com/google.rpc.Help”，“链接”：[{“描述”：“ Google开发人员控制台API激活” ，“ url”：“ https://console.developers.google。com / apis / api / speech.googleapis.com / overview？project = google.com：cloudsdktool “}]}]}}

问题似乎出在用于验证传入请求的项目（google.com:cloudsdktool而不是我的）中。

我猜想激活服务帐户的电话是造成此问题的原因？

是否有一个好的文档可以使用 JavaScript 和 websockets 从客户端流式传输音频并使用 Python 中的 Google Cloud Speech-to-Text 将其转换为文本？