java - 使用 Java 的谷歌云语音

Question

我正在尝试通过我的 Java 程序与 Google Cloud Speech API 进行通信，但出现此错误:

Exception in thread "main" com.google.api.gax.grpc.ApiException: io.grpc.StatusRuntimeException: INVALID_ARGUMENT: Invalid Wav File: Not 16 bit Linear PCM or 8 bit MULAW.

谁能帮我解决这个问题？

Answer 1

谷歌云语音 API 接受 wav 文件。不仅如此。来自文档:https://cloud.google.com/speech-to-text/docs/encoding

Note: Speech-to-Text supports WAV files with LINEAR16 or MULAW encoded audio.

根据谷歌语音转文本云网站上的语音转文本/资源，我能够上传带有 8 位 PCM 签名的 .wav 文件。转录很好。但是，如果我尝试使用他们的 Java API 上传文件，则会出现此错误。我测试了几个库，包括新的测试版。所以我同意这很奇怪。我可以在每个播放器上播放 8 位 16KHz PCM SIGNED 编码，也可以播放 8KHz，文件头没有问题，我可以上传它，但不能通过 Java API。

以下是一些可能有用的提示:如果要使用 API，则必须转换为 16 位 PCM，例如 8 位 ULAW。

为此，您可以使用 javax.sound.sampled 库。

看看这个例子:SimpleSoundCapture !您可以根据需要进行修改。提供“输出”变量 ByteArrayOutputStream 或使用 ULAW 编码记录自定义编码 wav 文件。

您可以使用此设置:

AudioFormat.Encoding encoding = AudioFormat.Encoding.ULAW; 
floatrate = 16000.0f; 
int channels = 1; 
int frameSize = 4; 
int sampleSize = 8; 
boolean bigEndian = true;

从第 2 次、第 3 次开始，Google 就能够毫无问题地识别出 ULAW 样本。有时甚至从一开始。也用 8000.0f 测试过。在使用ULAW之前，请移除speach API的RecognitionConfig对象中的setEncoding()方法，因为使用ULAW可能会引发另一个异常。

 RecognitionConfig config
                = RecognitionConfig.newBuilder()
                //      .setEncoding(AudioEncoding.UNRECOGNIZED)
                .setLanguageCode("en-US")
                .setSampleRateHertz(16000)
                .build();