如果我停止识别并重新启动，它会再次要求麦克风许可。它是否有任何想法暂停识别，并在发言结束后继续？
浏览 7提问于2019-04-20得票数 0
1回答
我想知道是否有可能用这个rest进行某种livespeech识别。我可以提出一个单一的要求，但我想要流我的音频数据和处理结果随着时间的推移。
浏览 1提问于2018-09-12得票数 0
回答已采纳
2回答
我一直在搜索高低，试图找出如何创建下载链接的音频文件上传到一个帖子。
我知道如何将音频url直接显示到主题模板中，但是当它被点击时，它就会开始在浏览器中显示音频。
浏览 0提问于2013-03-02得票数 0
1回答
我使用Microsoft说话人识别API来区分人们的声音。
或者，除了这个API，还有其他的方法吗？
浏览 4提问于2018-01-14得票数 1
3回答
我正在编写一个应用程序，它应该接收音频，并将它发送到Bing识别API以获取文本。我使用了服务库，它与wav文件一起工作。因此，我编写了自己的流类，以接收来自麦克风或网络(RTP)的音频，并将其发送到识别API。当我在音频流前面添加一个WAV头时，它会工作几秒钟。调试表明，识别api读取表单流的速度比由音频源填充的速度快(16k采样，16位，mono)。
因此，我的问题是:是否有一种方法来使用实时(连续)音频
浏览 1提问于2016-12-12得票数 4
回答已采纳
这里我的谷歌语音设置给AI发短信以下是语音到文本AI：的输出文件这是视频链接：
这是提供给Google：的视频的音频文件。这是我用来提取视频音频的命令：ffmpeg -i "input.mkv" -af aformat=s16:48000:output.flac
浏览 5提问于2020-10-12得票数 4
1回答
在mp3格式)从语音识别？
、、、、
可能重复：
我在android上使用语音识别类，我成功地获得了语音识别。但我想要的是真实的语音数据，而不是文字，而不是文字。
浏览 1提问于2012-11-04得票数 3
1回答
我正在尝试将音频流的输入设置为麦克风，这是默认的音频设备，但它正在抛出异常：
感谢你的帮助！
浏览 1提问于2015-10-24得票数 3
当使用Python使用沃森语音到文本服务时，设置interim_results = True时每次都会出现以下错误： raise ValueError(errmsg("Extra data", s, end, len(s)))我使用一个大约6秒长的.wav文件运行它(
浏览 4提问于2017-07-31得票数 0
回答已采纳
1回答
我试图用合并方法将我的PBX连接到Google，但是由于我需要记录语音，将它发送到API，等待响应并将其处理回来，所以不可能进行正常的会话或尝试使用正常的会话/处理语音来进行实时服务。推荐其他API吗？或者是否有一种方式来设置VoIP/流到谷歌。类似于Alexa/Google。我没有找到对象的任何内容：
浏览 3提问于2017-01-19得票数 2
回答已采纳
例如：alternativeLanguageCodes: ["fr","it"]
Google语音自动地返回给我一个转录，其中的信心足够高，它可能实际上是正确的，音频文件的说话人发言是否有任何方法使api返回这种元数据(比如lang：'fr')？
浏览 0提问于2020-10-29得票数 0
回答已采纳
我想我的问题从标题上说得很清楚例如，如果我使用麦克风并说“你好”，python程序将返回" Hellow“作为文本值。
浏览 4提问于2017-05-26得票数 0
回答已采纳
我正在尝试在Android 4.1.2和4.3上构建一个离线语音识别Android应用程序，并且我正在尝试访问Android ASR API。我可以在上找到所有与同步语音识别相关的信息(使用意图)，但是没有关于异步识别的信息(我想识别文件中的音频内容)。非常感谢！如果我把我想要做的事情换成另一种方式:我有一个录制了演讲的音频文件，我想以离线模式(例如，没有互联网连接)将该文件的内容发送到Android<e
浏览 0提问于2013-09-16得票数 1
1回答
我想要两个比较两个语音文件，并找出他们之间的差异。假设我有一个音乐轨道原始文件和另一个我从音乐中读出的文件，我想让两个文件比较这两个文件并找出它们的音素之间的差异。实际上，单词对我来说并不重要，重要的是音素之间的相似度，我想找出类似于相似度百分比的值。我更喜欢用Python实现一些东西。
浏览 5提问于2013-07-07得票数 7
我正在使用speaker Recognition API，我已经成功注册并识别了说话人。现在，我有多个用户在一段音频中发言，如何从音频中识别多个用户？
浏览 9提问于2020-03-22得票数 0
我试图找出办法来强调音频中高低点的区别。我似乎找不到关于如何做到这一点的文档--也许这可以用ffmpeg来完成。会非常感谢那些对信号处理有更多了解的人的一些建议。
浏览 0提问于2018-11-12得票数 1
回答已采纳
1回答
我目前正在我的Mac计算机上的一个网页上录制音频，并通过云语音api运行它来生成一个记录。然而，结果并不准确，结果中也有大量的缺词。
使用quickTime播放器记录作为.m4a文件保存的音频。使用命令行工具ffmpeg将.m4a文件转换为.flac，并将2个音频通道(立体声)合并为1个音频通道(m
浏览 1提问于2018-08-16得票数 3
回答已采纳
在一个特殊的步骤，我想运行一个语法，只有捕捉音频的下一个给定的句子，根据引擎的属性。
但是为了开始/停止匹配，我假设引擎需要“单词”。所以我不知道怎么做？(下面的解释:我的应用程序使用google将所有垃圾音频转换为文本，因为听写太糟糕了，Kinect上也没有)
浏览 1提问于2014-01-23得票数 2
回答已采纳
我想使用Google中的网络语音API来识别来自网页上的HTML5 <video>的语音。是否有一种方法可以将Web语音API与来自用户麦克风以外的其他地方的音频输入一起使用？在MDN ()上，它说：
语音识别是通过SpeechRecognition接口访问的，它提供了从音频输入中识别语音上下文的能力(通常通过设备的默认语音识别服务)。但是它没有明确指定这个音频输入是否可以来自用户的麦克风以外的其他地方，或者它是否必须完
浏览 6提问于2017-09-06得票数 3
回答已采纳
我正在做一些基本的命令识别，并使用Google Search Input API。然而，我想自己捕获音频，预处理音频(去噪，提高振幅等)，发送这些修改后的音频到识别器并获得结果。有可能吗？我知道你可以通过onBufferReceived方法同时使用SpeechRecognizer和RecognitionListener来获取音频。然而，我想做的是预处理而不是后处理。有没有什么变通方法/破解方法来将处理后的数据提供给google识别器？
浏览 0提问于2012-05-13得票数 0
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号