google-speech-api - OGG_OPUS 使用 Google Speech API 失败，但在同一样本上使用 LINEAR16 似乎没问题？

Question

将 OGG_OPUS 提交到谷歌语音 API 似乎存在问题，它不返回任何结果并退出，但是转换为 LINEAR16 时相同的样本工作正常。

使用标准 python 库同步提交两个样本，每种格式具有以下参数:

sample = speech_client.sample(
    content,
    source_uri=None,
    encoding='LINEAR16',
    sample_rate_hertz=16000)

sample = speech_client.sample(
    content,
    source_uri=None,
    encoding='OGG_OPUS',
    sample_rate_hertz=16000)

样本通过以下方式转换为 LINEAR16:

./ffmpeg-git-20170621-64bit-static/ffmpeg -i ./audio.opus -acodec libopus -b:a 16000 -f s16le -acodec pcm_s16le output.raw

原始音频是通过 chrome 58 的 js 中的 MediaRecorder 录制的:
https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder
就 Opus 音频使用以下构造函数参数而言，这似乎完全没问题:

audioBitsPerSecond=16000
mimeType="audio/webm"

OGG_OPUS 返回的错误是:

ValueError: No results returned from the Speech API.

最初我有点困惑，因为 OPUS 通常将 ffprobe 注册为 48000 比特率，但这似乎是由于编解码器默认以 48000 解码而不管采样率如何。

Answer 1

您设置的配置可能不受支持或可能是错误的配置，请您尝试使用波形文件和以下配置:

config = types.RecognitionConfig( encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16, sample_rate_hertz=44100, language_code='en-US')

您可以通过上传音频文件从以下链接检查您的配置
https://www.get-metadata.com/