mp3 - Google Cloud Speech-to-Text(MP3 到文本)

Question

我正在使用 Google Cloud Platform Speech-to-Text API 试用帐户服务。我无法从音频文件中获取文本。我不知道我应该对比特率为 128kbps 的 MP3 文件使用什么确切的编码和采样率赫兹。我尝试了各种选择，但我没有得到转录。

const speech = require('@google-cloud/speech');

const config = {
  encoding: 'LINEAR16',  //AMR, AMR_WB, LINEAR16(for wav)
  sampleRateHertz: 16000,  //16000 giving blank result.
  languageCode: 'en-US'
};

Answer 1

测试版现在支持 MP3:

MP3 Only available as beta. See RecognitionConfig reference for details.

https://cloud.google.com/speech-to-text/docs/encoding

MP3 MP3 audio. Support all standard MP3 bitrates (which range from 32-320 kbps). When using this encoding, sampleRateHertz can be optionally unset if not known.

https://cloud.google.com/speech-to-text/docs/reference/rest/v1p1beta1/RecognitionConfig#AudioEncoding

您可以使用各种工具(例如 iTunes)找出采样率。 CD 品质的音频使用 44100 赫兹的采样率。在此处阅读更多信息:

https://en.wikipedia.org/wiki/44,100_Hz

要在 Google SDK 中使用它，您可能需要使用定义它的 Beta SDK 之一。这是 Go Beta SDK 中的常量:

RecognitionConfig_MP3 RecognitionConfig_AudioEncoding = 8

https://godoc.org/google.golang.org/genproto/googleapis/cloud/speech/v1p1beta1