将 FLAC 或 AMR_WB 中的音频流式传输到 Google Speech API

Posted 2023-04-13

【中文标题】将 FLAC 或 AMR_WB 中的音频流式传输到 Google Speech API

【英文标题】：Streaming Audio in FLAC or AMR_WB to the Google Speech API

【发布时间】：2019-03-11 12:58:46

【问题描述】：

我需要在带宽较低的环境中运行 google Speech api。

根据阅读有关最佳实践的信息，似乎我最好的选择是使用 AMR_WB 格式。

但是，以下代码不会产生异常，我在 onError(t: Throwable) 方法中没有得到任何响应，但 API 在 onNext(value: StreamingRecognizeResponse) 方法中根本没有返回任何值。

如果我将.setEncoding() 中的格式从FLAC 或AMR_WB 更改回LINEAR16，一切正常。

AudioEmitter.kt

fun start(
            encoding: Int = AudioFormat.ENCODING_PCM_16BIT,
            channel: Int = AudioFormat.CHANNEL_IN_MONO,
            sampleRate: Int = 16000,
            subscriber: (ByteString) -> Unit
    )

MainActivity.kt

builder.streamingConfig = StreamingRecognitionConfig.newBuilder()
        .setConfig(RecognitionConfig.newBuilder()
                .setLanguageCode("en-US")
                .setEncoding(RecognitionConfig.AudioEncoding.AMR_WB)
                .setSampleRateHertz(16000)
                .build())
        .setInterimResults(true)
        .setSingleUtterance(false)
        .build()

【问题讨论】：

我认为问题可能来自您的sampleRate 或AudioEmitter。当流识别中的编码类型为FLAC时，尝试设置为44100、22050或11025。

也许你可以按照这个官方的故障排除程序？ cloud.google.com/speech-to-text/docs/support#troubleshooting 定义问题的来源。

@aminography 我弄乱了这些设置，不幸的是它没有帮助。

@Bsquare 看了很多遍。已经尝试了我能找到的所有可能的设置组合，但仍然没有运气。看起来无论是在这里还是在云演讲论坛上，团队都完全脱离了参与。

您是否尝试将声音文件转换为 FLAC 或其他格式，只是为了检查它是否是您问题的关键？

【参考方案1】：

Google 不会识别你的数据，因为你告诉它数据是 FLAC 或 AMR_WB 格式，而你一直传递 AudioRecord.read() 的原始未压缩音频块产生。

现在，为了让它发挥作用，您有两个选择。首先是自己将数据转换为所需的格式，可能使用一些第三方库。第二种是使用 android 库中的 MediaRecorder。不幸的是，它只支持写入类似文件的目标，因此您不能简单地用它替换 AudioRecorder，但this answer 中描述了一种解决方法。