iOS 应用程序上的 SFSpeechRecognizer（Siri 转录）超时错误

Posted 2023-03-11

【中文标题】iOS 应用程序上的 SFSpeechRecognizer（Siri 转录）超时错误

【英文标题】：SFSpeechRecognizer (Siri Transcription) Timeout Error on iOS App

【发布时间】：2017-07-20 02:01:33

【问题描述】：

在我的 ios 应用中，我尝试使用 iOS 10 的最新功能 Speech API 转录预先录制的音频。

包括documentation 在内的多个消息来源指出，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 Code=203 "SessionId=com.siri.cortex.ace.speech.session.event.SpeechSessionId@50a8e246, Message=Timeout waiting for command after 30000 ms" UserInfo=NSLocalizedDescription=SessionId=com. siri.cortex.ace.speech.session.event.SpeechSessionId@50a8e246, Message=Timeout waiting for command after 30000 ms, NSUnderlyingError=0x170248c40 Error Domain=SiriSpeechErrorDomain Code=100 "(null)"

我在整个互联网上进行了搜索，但无法找到解决此问题的方法。也有人遇到同样的问题。有些人怀疑这是 Nuance 的问题。

另外值得注意的是，我确实从转录过程中获得了部分结果。

这是我的 iOS 应用程序中的代码。 ` // 创建一个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.
                    print("\nSiri-Transcript: " + transcript!)

                    // Store the audio transcript into Firebase Realtime Database
                    self.firebaseRef = FIRDatabase.database().reference()

                    let ud = UserDefaults.standard
                    if let uid = ud.string(forKey: "uid") 
                        print("Storing the transcript into the database.")
                        let path = "users" + "/" + uid + "/" + "siri_transcripts" + "/" + date_recorded + "/" + filename.components(separatedBy: ".")[0]
                        print("transcript database path: \(path)")
                        self.firebaseRef.child(path).setValue(transcript)
                    
                
            
        
    `

感谢您的帮助。

【参考方案1】：

除了遇到同样问题的其他人之外，我还没有确认我的答案，但我认为这是对预录音频的无证限制。

【参考方案2】：

删除 result.isFinal 并改为对结果进行空检查。参考：https://github.com/mssodhi/Jarvis-ios/blob/master/Jarvis-ios/HomeCell%2Bspeech.swift

【讨论】：

感谢您的回复。不幸的是，问题仍然存在。我认为这与 Apple 在不更改文档的情况下更改音频文件长度的限制有关。这也可能是对预录音频的无证限制。

@itsSLO 您是否尝试过使用实时音频源，即使用麦克风而不是预先录制的文件？

我没有，因为我目前没有针对这种情况的用户案例。话虽如此，我确实相信使用实时音频馈送将比预先录制的音频具有更高的限制。

【参考方案3】：

这是真的，我从视频中提取了音频文件，如果超过15秒就会报如下错误：

Domain = kAFAssistantErrorDomain Code = 203 "Timeout" UserInfo = 
    NSLocalizedDescription = Timeout,
    NSUnderlyingError = 0x1c0647950 Error Domain=SiriSpeechErrorDomain Code=100 "(null)"

关键问题是超过 15 秒后的音频文件识别。 result.isFinal一直是0，很郁闷的是没有准确的时间戳，虽然是“Timeout”，但识别内容却很完整，感觉怪怪的。

如果打印出结果遍历，可以看到有一些限制，也就是15秒，但是原因是音频文件的时间戳反馈被限制在一个有限的数量，比如15或者4或者9、通向终点。超时反馈更不稳定。

但在实时语音识别中，你可以突破 15 秒，如官方文档所述，在一分钟内。