如何从 Google 助理接收答案作为字符串，而不是作为音频流

Posted 2023-03-24

【中文标题】如何从 Google 助理接收答案作为字符串，而不是作为音频流

【英文标题】：How to receive answer from Google Assistant as a String, not as an audio stream

【发布时间】：2017-10-22 17:56:17

【问题描述】：

我正在使用 Assistant SDK 中的 python 库通过 gRPC 进行语音识别。我已识别语音并将其返回为从\googlesamples\assistant\__main__.py 调用方法resp.result.spoken_request_text 的字符串，并且我的答案是来自助手API 的音频流，方法resp.audio_out.audio_data 也来自\googlesamples\assistant\__main__.py

我想知道是否可以将服务的答案也作为字符串（希望它在服务定义中可用或可以包含在内），以及我如何访问/请求答案作为字符串。

提前致谢。

【参考方案1】：

目前（Assistant SDK Developer Preview 1），没有直接的方法可以做到这一点。您可能可以将音频流输入到 Speech-to-Text 系统，但这真的开始变得愚蠢了。

在 Google I/O 上与工程师讨论这个主题时，他们表示这样做会遇到一些技术上的复杂性，但他们了解用例。他们需要看到这样的问题才能知道人们想要这个功能。

希望它将成为即将推出的开发者预览版。

【讨论】：

感谢您的回复。我考虑将返回的音频流提供给助手以将查询翻译作为文本...但正如您所说，它开始变得愚蠢。只是效率低下。您是否使用 gRPC 和 Python 与 Google Can Platform 的 Speech API 进行通信以处理音频流？

这最好作为一个单独的问题提出。

【参考方案2】：

更新：对于

google.assistant.embedded.v1alpha2

助手SDK包含supplemental_display_text字段

这意味着将助手响应提取为有助于帮助的文本 用户的理解

或显示在屏幕上。仍然向开发人员提供文本。 Goolge assistant documentation