GCP语音到文本- Java不起作用
GCP语音到文本- Java不起作用
提问于 2019-08-13 09:50:04
我在Chrome中使用.webm记录了一个示例MediaRecorder文件。当我使用Google客户端获取视频的转录时，它会返回空的转录。下面是我的代码
SpeechSettings settings = null;
Path path = Paths.get("D:\\scrap\\gcp_test.webm");
byte[] content = null;
try {
content = Files.readAllBytes(path);
settings = SpeechSettings.newBuilder().setCredentialsProvider(credentialsProvider).build();
} catch (IOException e1) {
throw new IllegalStateException(e1);
}
try (SpeechClient speech = SpeechClient.create(settings)) {
// Builds the request for remote FLAC file
RecognitionConfig config = RecognitionConfig.newBuilder()
.setEncoding(AudioEncoding.LINEAR16)
.setLanguageCode("en-US")
.setUseEnhanced(true)
.setModel("video")
.setEnableAutomaticPunctuation(true)
.setSampleRateHertz(48000)
.build();
RecognitionAudio audio = RecognitionAudio.newBuilder().setContent(ByteString.copyFrom(content)).build();
// RecognitionAudio audio = RecognitionAudio.newBuilder().setUri("gs://xxxx/gcp_test.webm") .build();
// Use blocking call for getting audio transcript
RecognizeResponse response = speech.recognize(config, audio);
List<SpeechRecognitionResult> results = response.getResultsList();
for (SpeechRecognitionResult result : results) {
SpeechRecognitionAlternative alternative = result.getAlternativesList().get(0);
System.out.printf("Transcription: %s%n", alternative.getTranscript());
}
} catch (Exception e) {
e.printStackTrace();
System.err.println(e.getMessage());
}如果，我使用相同的文件并访问演示部分中的https://cloud.google.com/speech-to-text/和upload文件。它似乎运作良好，并显示转录。我对这里出了什么问题一无所知。我验证了演示发送的请求，这里是什么样子？
我正在发送一组确切的参数，但这不起作用。试图上传文件到云存储，但这也带来了同样的结果(没有转录)。
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-08-23 06:47:44
在经历了错误和测试(以及查看javascript示例)之后，我可以解决这个问题。音频的序列化版本应采用FLAC格式。我将视频文件(Webm)发送到Google。站点上的演示使用Javascript提取音频流，然后以base64格式发送数据以使其工作。
下面是我执行的获得输出的步骤。
- 使用FFMPEG从webm中提取音频流为FLAC格式。
ffmpeg -i sample.webm -vn -acodec flac sample.flac - 提取的文件应该使用存储云或作为ByteString发送。
- 在调用speech时设置适当的模型(对于英语语言
video模型有效，而对于法语command_and_search)。我对此没有任何合乎逻辑的理由。我在Google云站点上的演示尝试和错误之后才意识到这一点。
Stack Overflow用户
发布于 2020-04-18 07:03:43
我得到了flac编码文件的结果。
示例代码显示带有时间戳的单词，
public class SpeechToTextSample {
public static void main(String... args) throws Exception {
try (SpeechClient speechClient = SpeechClient.create()) {
String gcsUriFlac = "gs://yourfile.flac";
RecognitionConfig config =
RecognitionConfig.newBuilder()
.setEncoding(AudioEncoding.FLAC)
.setEnableWordTimeOffsets(true)
.setLanguageCode("en-US")
.build();
RecognitionAudio audio = RecognitionAudio.newBuilder().setUri(gcsUriFlac).build(); //for large files
OperationFuture<LongRunningRecognizeResponse, LongRunningRecognizeMetadata> response = speechClient.longRunningRecognizeAsync(config, audio);
while (!response.isDone()) {
System.out.println("Waiting for response...");
Thread.sleep(1000);
}
// Performs speech recognition on the audio file
List<SpeechRecognitionResult> results = response.get().getResultsList();
for (SpeechRecognitionResult result : results) {
SpeechRecognitionAlternative alternative = result.getAlternativesList().get(0);
System.out.printf("Transcription: %s%n", alternative.getTranscript());
for (WordInfo wordInfo : alternative.getWordsList()) {
System.out.println(wordInfo.getWord());
System.out.printf(
"\t%s.%s sec - %s.%s sec\n",
wordInfo.getStartTime().getSeconds(),
wordInfo.getStartTime().getNanos() / 100000000,
wordInfo.getEndTime().getSeconds(),
wordInfo.getEndTime().getNanos() / 100000000);
}
}
}
}
}GCP支持不同的语言，我用了"en-US“作为我的例子。请参考以下链接文档以了解语言列表。
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/57475225
复制相关文章
相似问题
腾讯云开发者
