google-speech-api - 谷歌语音 API 流

Question

我正在尝试使用 syncrecognize 方法将我的 PBX IVR 连接到 Google Speech API，但由于我需要录制语音，将其发送到 API，等待响应并处理回来，这是不可能的进行正常对话或尝试进行正常对话/处理语音，将其用于实时服务。有没有推荐的其他API？或者有没有办法设置 VoIP/Streaming to Google。类似于 Alexa/Google Home。我没有找到 RecognitionAudio 的任何内容 对象:

Answer 1

Google Cloud Speech API 服务支持两种不同的功能:

• 非流式识别，假设您向 Google 平台提供完整的音频并在处理后收到结果
• Streaming Recognition ，允许您以交互方式(实时)提供音频，并在处理音频 block 时获得有关结果(部分、临时、结果和最终结果)的通知

以上两种操作都可以是:

• Syncronous，执行命令，等待结果(适用于短文件标准识别)
• 异步，发出命令并等待通知/检查特定命令结果(通常在不同线程或多线程环境中，音频超过一分钟的强制模式)

Streaming Recognition API 推荐用于您的应用场景，考虑到它只能通过 Cloud Speech RPC API (google RPC) 访问，而非 Streaming Recognition API 可用于 Cloud Speech REST 和 RPC API。

我们通过 gRPC API 在类似的应用程序环境中使用了 AsyncStreamingRecognize，该项目使用 C++，环境设置相当长且复杂(您需要为您的环境下载和构建 grpc、protoc 和 Google Speech API stub /库)。对于应用程序，我们使用了 Google Speech API Site 上提供的示例作为引用，一旦环境准备就绪，就可以非常简单地使示例应用程序逻辑适应我们的特定场景。

使用流式 API，您在音频编码(并非所有编码都受支持)和处理的音频长度(在流式中您最多可以处理 1 分钟的语音)方面有限制，此外，您只能通过必须启用才能使用语音 API 的服务帐户。