Question

我使用Google Cloud Speech API（longrunningrecognize）成功获得了5分钟长的音频的笔录和替代品，但我没有得到这5分钟的全文，只是一个小笔录，如下所示：

{
  "name": "2340863807845687922",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
    "progressPercent": 100,
    "startTime": "2018-09-20T13:25:57.948053Z",
    "lastUpdateTime": "2018-09-20T13:28:18.406147Z"
  },
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeResponse",
    "results": [
      {
        "alternatives": [
          {
            "transcript": "I am recording it. I think",
            "confidence": 0.9223639
          }
        ]
      },
      {
        "alternatives": [
          {
            "transcript": "these techniques properly stated",
            "confidence": 0.9190353
          }
        ]
      }
    ]
  }
}

如何获取转录产生的全文？

Answer 1

使用Google Speech API是一件非常痛苦的事情。除了无法翻译长文件外，他们还随机跳过转录中的大块音频。可能的解决方案是：

通过语音活动检测和分别转录每个块
使用诸如Speechmatics之类的更合理的服务，它们将处理大文件而没有任何问题，并且准确性更高
使用像Kaldi这样的开源语音识别器。

Answer 2

我成功解决了这个问题。我必须使用ffmpeg正确转换文件：

$ ffmpeg -i /home/user/audio_test.wav -ac 1 -ab 8k audio_test2.wav

***取消静音：

sox audio_test2.wav audio_no_silence4.wav silence -l 1 0.1 1% -1 2.0 1%

并修复我的sync-request.json：

{"config": {
      "encoding":"MULAW",
      "sampleRateHertz": 8000,
      "languageCode": "pt-BR",
      "enableWordTimeOffsets": false,
    "enableAutomaticPunctuation": false,
 "enableSpeakerDiarization": true,
    "useEnhanced": true,
`enter code here`"diarizationSpeakerCount":2,
 "audioChannelCount": 1},
  "audio": {
      "uri":"gs://storage/audio_no_silence4.wav"
  }
}

然后运行curl。现在它运行良好。

Answer 3

Google Cloud语音转文字可提供非常准确的结果。对于某些较长的音频，它会提供记录，这些记录被分成大块，作为您观察到的替代数组。我所做的就是在我的识别配置中将MaxAlternatives设置为1，然后将Alternatives数组连接起来以获得完整的成绩单。下面给出了我在使用Google.Cloud.Speech.V1的C＃中的识别配置

var config = new RecognitionConfig()


{
    Encoding = RecognitionConfig.Types.AudioEncoding.Linear16,
    //SampleRateHertz = 16000,
    LanguageCode = "en",
    EnableWordTimeOffsets = true,
    MaxAlternatives = 1
 };

Google Cloud Speech API：如何获取超过1分钟的音频全文？

3 个答案: