小编its*_*SLO的帖子

在我的 iOS 应用程序中，我尝试使用 iOS 10 的最新功能（语音 API）转录预先录制的音频。

包括文档在内的多个来源均表示，语音 API（更具体地说是 SFSpeechRecognizer）的音频持续时间限制为 1 分钟。

在我的代码中，我发现任何长度约为 15 秒或更长的音频文件都会出现以下错误。

错误域=kAFAssistantErrorDomain代码=203“SessionId=com.siri.cortex.ace.speech.session.event.SpeechSessionId@50a8e246，消息=30000毫秒后超时等待命令”UserInfo={NSLocalizedDescription=SessionId=com.siri.cortex .ace.speech.session.event.SpeechSessionId@50a8e246，消息=30000毫秒后等待命令超时，NSUnderlyingError=0x170248c40 {Error Domain=SiriSpeechErrorDomain Code=100“（null）”}}

我在互联网上进行了搜索，但未能找到解决方案。也有人遇到过同样的问题。有些人怀疑这是 Nuance 的问题。

还值得注意的是，我确实从转录过程中得到了部分结果。

这是我的 iOS 应用程序的代码。` // 创建语音识别器请求对象。让 srRequest = SFSpeechURLRecognitionRequest(url: 位置) srRequest.shouldReportPartialResults = false

    sr?.recognitionTask(with: srRequest) { (result, error) in
        if let error = error {
            // Something wrong happened
            print(error.localizedDescription)
        } else {
            if let result = result {
                print(4)
                print(result.bestTranscription.formattedString)
                if result.isFinal {
                    print(5)
                    transcript = result.bestTranscription.formattedString
                    print(result.bestTranscription.formattedString)

                    // Store the transcript into the database. …

我将音频文件存储在Google云端存储上(通过Firebase存储).

我需要使用FFMPEG将音频文件从立体声(两个声道)转换为单声道(一个声道).

如何在Google Cloud Platform上执行上述转换？

更新: 我怀疑有一种可能性是使用Google Compute Engine创建虚拟机,安装ffmpeg,并以某种方式获得对音频文件的访问权限.

我不确定这是最好的方式还是可能的.所以我还在调查.