Google Speech API - 识别 base64 编码的音频

Posted 2023-02-25

【中文标题】Google Speech API - 识别 base64 编码的音频

【英文标题】：Google Speech API - recognizing base64 encoded audio

【发布时间】：2017-02-26 12:30:54

【问题描述】：

我一直在为 Google Speech API 苦苦挣扎，希望得到一些建议。

这是我想要做的：

在浏览器中录制音频 将录音转换为base64并发送到我的服务器 在服务器上，调用 Google Speech API 的 syncRecognize 函数，传入我的 base 64 编码音频

我总是收到一个空的结果对象。

当我关注getting started tutorial 时，虽然一切正常。

我做错了什么？

非常感谢任何提示/想法。

const Speech = require('@google-cloud/speech');
const SpeechV1beta1 = require('@google-cloud/speech/src/v1beta1')

module.exports = 

    syncRecognize: function(base64Encoding) 

       const speech = Speech();
       const speechV1beta1 = SpeechV1beta1();
       const client = speechV1beta1.speechClient();

       const body = 
           "config": 
               "encoding":"LINEAR16",
               "sampleRate":16000,
               "languageCode":"en-US"
           ,
           "audio": 
              "content": base64Encoding
           
       

       return client.syncRecognize(body)
        .then((results) => 
            console.log('results', results) 
            return transcription: results[0];
        ).catch(function(error) 
            return error: error;
        );;

    

【问题讨论】：

我以前从未尝试在浏览器中执行此操作，所以我不确定。有什么方法可以将音频内容数据保存到文件中，以确保它是可播放的（并且它是 LINEAR16 16kHz）？如果给它一个URI，相同的代码是否有效？如果是这样，问题似乎出在音频“内容”上。

【参考方案1】：

可能您从浏览器记录的内容没有那些配置参数。

我遇到的另一个问题是，对于超过 5 秒的音频持续时间，超时启动，到目前为止，我无法有效地更改 API 截止日期。这也可能是您的情况。

为了在我的 web 应用程序中验证音频的元数据，我使用 ffmpeg：我自动将文件保存到存储中并在脚本中运行 ffmpeg -i filename 以检索采样率、编码、通道数和持续时间。

请注意，有 audio lenght limits 用于同步语音识别请求。如果超过了，我建议您使用异步方法（或将音频文件拆分为子文件）。在前一种情况下，您可能需要转换音频编码（幸运的是 ffmpeg 也可以为您做到这一点:)）。在后一种情况下，您可以使用SoX 将音频拆分为静音并分别处理。