对于.opus音频文件，google的语音到文本配置看起来是什么样子的？
提问于 2020-08-05 16:14:51
我正在将一个.opus音频文件传递给google的语音到文本api进行转录.我使用以下配置：
enums.RecognitionConfig.AudioEncoding.OGG_OPUS
- language_code = "en-US"
- sample_rate_hertz = 16000
我得到了以下错误：
google.api_core.exceptions.GoogleAPICallError: None Unable to recognize speech, possible error in encoding or channel config. Please correct the config and retry the request.
我尝试过其他编码，如FLAC和LINEAR16，没有作为输出。
opus音频文件需要额外的配置字段吗?配置文件应该是什么样的呢？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-08-06 14:05:48
在浏览了google提供的文档和几次尝试之后，我想出了解决我所得到的错误的方法。OGG_OPUS编码需要audio_channel_count的显式配置定义。在我的例子中，音频通道是2，我需要显式地定义它。此外，在多通道情况下，需要将enable_separate_recognition_per_channel设置为True。
对我起作用的配置是：
encoding = enums.RecognitionConfig.AudioEncoding.OGG_OPUS
config = {
"audio_channel_count": audio_channel_count,
"enable_separate_recognition_per_channel": enable_separate_recognition_per_channel,
"language_code": language_code,
"sample_rate_hertz": sample_rate_hertz,
"encoding": encoding
}对于配置文件中的每个参数，我们使用正确的值是非常重要的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63275156
复制相关文章
腾讯云开发者
