从自己的声音文件语音到文本

Posted 2023-04-19

【中文标题】从自己的声音文件语音到文本

【英文标题】：Speech to Text from own sound file

【发布时间】：2011-10-22 19:55:11

【问题描述】：

您可能知道，使用 android API 实现语音到文本非常容易。您所要做的就是调用 API 的意图，它会为您返回文本。我的情况有点不同，我有一个预先录制的 3GPP 声音文件，我从用户那里录制并保存在 SD 卡上。我想知道是否可以像任何其他语音识别一样将其转录成文本。语音转文本 API 是否允许上传您自己的声音文件以进行处理？或者这是不可能的？

【参考方案1】：

API 不允许这样做，但请参阅this blog post and its comments 了解潜在的解决方法。还要确保您的文件包含高质量的音频（至少 16 位和 16 kHz）以获得更好的转录。

另见：

Voice recognition on android with recorded sound clip?

【讨论】：

嗯，那篇文章确实证明它向服务器发送了一个声音文件并等待 JSON 返回。所以我想您在客户端需要做的就是将 3GPP 文件转换为 FLAC 并将其发布到服务器。希望就这么简单。 :)

此解决方法答案不再起作用。它依赖于 Google Speech v1 API，该 API 现在已被 Google 关闭。 Speech v2 API 需要一个密钥，根据我的经验，它变得不可预测（我认为应用程序每天可以发出的外部请求数量是有限的）

【参考方案2】：

我得到了一个很好的解决方案，可以将声音文件中的语音转换为文本。这是我创建的一个简单 Android 项目的link，以显示解决方案的工作原理。另外，我在项目中放置了一些打印屏幕来说明应用程序。

我将尝试简要解释我使用的方法。我在该项目中结合了两个功能：Google Speech API 和 Flac 录音。

通过 HTTP 连接调用 Google Speech API。 Mike Pultz 提供了有关 API 的更多详细信息：

"(...) 新的 [Google] API 是一个全双工流 API。这意味着它实际上使用了两个 HTTP 连接——一个 POST 请求将内容作为“实时”分块流上传，以及用于访问结果的第二个 GET 请求，这对于较长的音频样本或流式音频更有意义。”

但是，此 API 需要接收 FLAC 声音文件才能正常工作。这让我们进入第二部分：Flac 录音

我通过从名为 AudioBoo 的开源应用程序中提取和改编一些代码和库，在该项目中实现了 Flac 录音。 AudioBoo 使用原生代码录制和播放 flac 格式。

因此，可以录制 flac 声音，将其发送到 Google Speech API，获取文本并播放刚刚录制的声音。

我创建的项目具有使其工作的基本原则，并且可以针对特定情况进行改进。为了使其在不同的场景中工作，有必要获得一个 Google Speech API 密钥，该密钥是通过成为 Google Chromium-dev 组的一部分获得的。我在那个项目中留下了一把钥匙只是为了表明它正在工作，但我最终会删除它。如果有人需要有关它的更多信息，请告诉我，因为我无法在这篇文章中放置超过 2 个链接。

【讨论】：

我安装了 NDK，修复了很多路径和导入，但是你建议的项目不起作用。我不会仅仅因为现在整个事情都可能被弃用而投反对票......

【参考方案3】：

目前无法将您自己的音频文件发送给 Google 进行处理，但您可以使用您的 Android 设备中的扬声器和麦克风将您的音频文件用作 Google 语音识别的输入。

首先，您的 SD 卡中必须有一个音频文件，然后使用以下步骤：

1) 使用您希望的任何名称创建方法

2) 在该方法中首先编写使用谷歌语音识别的代码

3) 在该代码之后编写使用扬声器播放音频文件的代码，然后将其作为谷歌语音识别的输入

 //code for google voice recognition
 Intent intent = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
 intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL,
                        RecognizerIntent.LANGUAGE_MODEL_FREE_FORM);
 intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE, Locale.getDefault());
 intent.putExtra(RecognizerIntent.EXTRA_PROMPT,
                        getString(R.string.speech_prompt));
 try 
      startActivityForResult(intent, REQ_CODE_SPEECH_INPUT);
  catch (ActivityNotFoundException a) 
 Toast.makeText(getApplicationContext(),
                            getString(R.string.speech_not_supported),
                            Toast.LENGTH_SHORT).show();

//code for playing the audio file which you wish to give as an input
    MediaPlayer mp = new MediaPlayer();
    try 
     mp.setDataSource(file); // here file is the location of the audio file you wish to use an input
        mp.prepare();
        mp.start();
     catch (Exception e) 
        e.printStackTrace();
    

参考我的博客 https://sureshkumarask.wordpress.com/2017/03/19/how-to-give-our-own-audio-file-as-an-input-to-any-speech-recognizer/

我已在我的博客中附上了 java 文件的链接。

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接的答案可能会失效

对不起，我已经解释清楚并提供了您所指的链接。谢谢你的评论..