audio-recording - Google Speech API - 识别 base64 编码的音频

Question

我一直在为 Google Speech API 苦苦挣扎，希望得到一些建议。

这是我想要做的:

在浏览器中录制音频

将录音转换为 base64 并发送到我的服务器

在服务器上，调用 Google Speech API 的 syncRecognize 函数，传入我的 base 64 编码音频

我总是收到一个空的结果对象。

当我关注这个时 getting started tutorial虽然一切正常。

我究竟做错了什么？

任何提示/想法将不胜感激。

const Speech = require('@google-cloud/speech');
const SpeechV1beta1 = require('@google-cloud/speech/src/v1beta1')

module.exports = {

    syncRecognize: function(base64Encoding) {

       const speech = Speech();
       const speechV1beta1 = SpeechV1beta1();
       const client = speechV1beta1.speechClient();

       const body = {
           "config": {
               "encoding":"LINEAR16",
               "sampleRate":16000,
               "languageCode":"en-US"
           },
           "audio": {
              "content": base64Encoding
           }
       }

       return client.syncRecognize(body)
        .then((results) => {
            console.log('results', results) 
            return {transcription: results[0]};
        }).catch(function(error) {
            return {error: error};
        });;

    }
}

Answer 1

可能您从浏览器录制的内容没有那些配置参数。

我遇到的另一个问题是，对于超过 5 秒的音频持续时间，超时开始，到目前为止我还没有能够有效地更改 API 截止日期。这也可能是您的情况。

为了验证我的 webapp 中音频的元数据，我使用 ffmpeg : 我自动将文件保存到存储并运行 ffmpeg -i filename在脚本中检索采样率、编码、 channel 数和持续时间。

请注意，有 audio lenght limits用于同步语音识别请求。如果超过它们，我建议您使用异步方法(或将音频文件拆分为子文件)。在前一种情况下，您可能需要转换音频编码(幸运的是 ffmpeg 也可以为您执行此操作:))。在后一种情况下，您可以使用 SoX在静音时分割音频并分别处理它们。