amazon-web-services - AWS 服务使用 Java API 进行语音到文本

Question

我想使用 AWS 服务和 AWS java-sdk 将语音转换为文本，但我在 AWS java-sdk 中找不到任何 API。是否有任何服务可以做到这一点？我使用 AWS Polly 服务使用 AWS java-sdk 将文本转换为语音，但不是相反(语音到文本)。这怎么可能？

Answer 1

最近我设法构建了一个 Java 客户端，在为此投入时间之前，重要的是要说，截至本出版物发布之日，获取包含"is"的音频文本所需的时间约为 1 分钟。
鉴于这种表现，我选择了 Google 服务。

也就是说，我分享了可改进的代码，因为它旨在执行可行性测试。

此服务要求将音频存储在存储桶中，然后指示转录 uri，然后启动工作并以类似方式以 json 格式获取结果。

在示例中，我们选择等待工作完成，然后获取结果。

主要依赖有:

    <!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-transcribe -->
<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>aws-java-sdk-transcribe</artifactId>
    <version>1.11.313</version>
</dependency>
<!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-s3 -->
<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>aws-java-sdk-s3</artifactId>
    <version>1.11.313</version>
</dependency>

我选择的凭据:

static{
    System.setProperty("aws.accessKeyId", "yourAccessK");
    System.setProperty("aws.secretKey"  , "shhhhhhhhhh");
}

在源代码中，我们将创建 S3 和 tanscribe 客户端，将区域替换为与存储桶对应的区域。

private AmazonS3 s3 = AmazonS3ClientBuilder.standard().withRegion("us-east-1").withClientConfiguration(new ClientConfiguration()).withCredentials(new DefaultAWSCredentialsProviderChain() ).build();
private AmazonTranscribe client = AmazonTranscribeClient.builder().withRegion("us-east-1").build();

然后我们将音频文件上传到存储桶

s3.putObject(BUCKET_NAME, fileName, new File(fullFileName));

BUCKET_NAME 是带有存储桶名称的常量。
fileName:它不一定是文件名，它可以是我们想要使用的任何标识符。

将音频上传到存储桶后，我们将创建转录作业。

    StartTranscriptionJobRequest request = new StartTranscriptionJobRequest();

    request.withLanguageCode(LanguageCode.EsUS);

    Media media = new Media();

    media.setMediaFileUri(s3.getUrl(BUCKET_NAME, fileName).toString());

    request.withMedia(media).withMediaSampleRateHertz(8000);

查看语言选项和 MediaSampleRateHertz。

为作业创建一个名称。

String transcriptionJobName = "myJob"; // consider a unique name as an id.

并完成请求并开始工作

request.setTranscriptionJobName(transcriptionJobName);
request.withMediaFormat("wav");

client.startTranscriptionJob(request);

在这种情况下等待答案的循环，还有其他更有效的选择。

GetTranscriptionJobRequest jobRequest = new GetTranscriptionJobRequest();
jobRequest.setTranscriptionJobName(transcriptionJobName);
TranscriptionJob transcriptionJob;

while( true ){
    transcriptionJob = client.getTranscriptionJob(jobRequest).getTranscriptionJob();
    if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.COMPLETED.name()) ){

        transcription = this.download( transcriptionJob.getTranscript().getTranscriptFileUri(), fileName);

        break;

    }else if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.FAILED.name()) ){

            break;
    }
    // to not be so anxious
    synchronized ( this ) {
        try {
            this.wait(50);
        } catch (InterruptedException e) { }
    }

}

transcriptionJob.getTranscript().getTranscriptFileUri() 返回一个 uri 以与任何 http 客户端一起使用，无论是 Apache HttpClient 还是在我的情况下我更喜欢 JODD ( https://jodd.org/http/ )

下载:

private AmazonTranscription download( String uri, String fileName ){
    HttpResponse response = HttpRequest.get(uri).send();
    String result = response.charset("UTF-8").bodyText();
    // result is a json 
    return gson.fromJson(result, AmazonTranscription.class);
}

AmazonTranscription 是我创建的一个包含 json 的类。
我分享了必要的类来包含 json 解析，我避免了集合并且变得不那么广泛。

public class AmazonTranscription {

    private String jobName;
    private String accountId;
    private Result results;
    private String status;
}

public class Item {

    private String start_time;
    private String end_time;
    private List<Alternative> alternatives = new ArrayList<Alternative>();
    private String type;
}

public class Result {

    private List<Transcript> transcripts = new ArrayList<Transcript>();
    private List<Item>       items       = new ArrayList<Item>();
}

public class Transcript {

    private String transcript;
}

只需在需要的地方添加 try/catch 即可。

我希望我没有忽略任何东西并且它会很有用，我花了一些时间来理解这个亚马逊模型，我希望那段时间避免其他人。

对不起，如果写作中有错误，但这不是我的母语。