我在 Chrome 瀏覽器中使用 MediaRecorder 錄制了一個示例 .webm 文件。當我使用 Google 語音 java 客戶端獲取視頻的轉錄時，它返回空轉錄。這是我的代碼的樣子SpeechSettings settings = null;Path path = Paths.get("D:\\scrap\\gcp_test.webm");byte[] content = null;try { content = Files.readAllBytes(path); settings = SpeechSettings.newBuilder().setCredentialsProvider(credentialsProvider).build();} catch (IOException e1) { throw new IllegalStateException(e1);}try (SpeechClient speech = SpeechClient.create(settings)) { // Builds the request for remote FLAC file RecognitionConfig config = RecognitionConfig.newBuilder() .setEncoding(AudioEncoding.LINEAR16) .setLanguageCode("en-US") .setUseEnhanced(true) .setModel("video") .setEnableAutomaticPunctuation(true) .setSampleRateHertz(48000) .build(); RecognitionAudio audio = RecognitionAudio.newBuilder().setContent(ByteString.copyFrom(content)).build(); // RecognitionAudio audio = RecognitionAudio.newBuilder().setUri("gs://xxxx/gcp_test.webm") .build(); // Use blocking call for getting audio transcript RecognizeResponse response = speech.recognize(config, audio); List<SpeechRecognitionResult> results = response.getResultsList(); for (SpeechRecognitionResult result : results) { SpeechRecognitionAlternative alternative = result.getAlternativesList().get(0); System.out.printf("Transcription: %s%n", alternative.getTranscript()); }} catch (Exception e) { e.printStackTrace(); System.err.println(e.getMessage());}如果，我使用相同的文件并訪問https://cloud.google.com/speech-to-text/并在演示部分上傳文件。它似乎工作正常并顯示轉錄。我對這里出了什么問題一無所知。我驗證了演示發送的請求，這里看起來像我發送了一組準確的參數，但沒有用。嘗試將文件上傳到云存儲，但也給出了相同的結果（沒有轉錄）。
2 回答
莫回無
TA貢獻1865條經驗 獲得超7個贊
經過錯誤和試驗（并查看 javascript 示例）后，我可以解決問題。音頻的序列化版本應為 FLAC 格式。我將視頻文件 (webm) 按原樣發送到 Google Cloud。該站點上的演示使用 Javascript Audio API 提取音頻流，然后以 base64 格式發送數據以使其工作。
以下是我為獲取輸出而執行的步驟。
使用 FFMPEG 從 webm 中提取音頻流為 FLAC 格式。
ffmpeg -i sample.webm -vn -acodec flac sample.flac提取的文件應使用存儲云提供或作為 ByteString 發送。
在調用語音 API 時設置適當的模型（英語語言
video模型有效，法語模型有效command_and_search）。我對此沒有任何合乎邏輯的理由。我在谷歌云站點上的演示中反復試驗后意識到了這一點。
慕的地8271018
TA貢獻1796條經驗 獲得超4個贊
我得到了 flac 編碼文件的結果。
示例代碼結果帶有時間戳的單詞，
public class SpeechToTextSample {
public static void main(String... args) throws Exception {
?try (SpeechClient speechClient = SpeechClient.create()) {
? ?String gcsUriFlac = "gs://yourfile.flac";
? ?RecognitionConfig config =
? ? ? ?RecognitionConfig.newBuilder()
? ? ? ? ? ?.setEncoding(AudioEncoding.FLAC)??
? ? ? ? ? ?.setEnableWordTimeOffsets(true)
? ? ? ? ? ?.setLanguageCode("en-US")
? ? ? ? ? ?.build();
? ?RecognitionAudio audio = RecognitionAudio.newBuilder().setUri(gcsUriFlac).build(); //for large files
? ?OperationFuture<LongRunningRecognizeResponse, LongRunningRecognizeMetadata> response = speechClient.longRunningRecognizeAsync(config, audio);
? ?while (!response.isDone()) {
? ? ? ? ? System.out.println("Waiting for response...");
? ? ? ? ? Thread.sleep(1000);
? ? ? ? }
? ?// Performs speech recognition on the audio file
? ?List<SpeechRecognitionResult> results = response.get().getResultsList();
? ?for (SpeechRecognitionResult result : results) {
? ? ? SpeechRecognitionAlternative alternative = result.getAlternativesList().get(0);
? ? ?System.out.printf("Transcription: %s%n", alternative.getTranscript());
? ? ?for (WordInfo wordInfo : alternative.getWordsList()) {
? ? ? ? ?System.out.println(wordInfo.getWord());
? ? ? ? ?System.out.printf(
? ? ? ? ? ? ?"\t%s.%s sec - %s.%s sec\n",
? ? ? ? ? ? ?wordInfo.getStartTime().getSeconds(),
? ? ? ? ? ? ?wordInfo.getStartTime().getNanos() / 100000000,
? ? ? ? ? ? ?wordInfo.getEndTime().getSeconds(),
? ? ? ? ? ? ?wordInfo.getEndTime().getNanos() / 100000000);
? ? ? ?}
? ?}
?}
}
}
GCP 支持不同的語言，我在示例中使用了“en-US”。
添加回答
舉報
0/150
提交
取消