gpt4 book ai didi

python - 谷歌云语音到文本没有为 OGG 和 MP3 文件提供输出

转载 作者:行者123 更新时间:2023-12-04 23:11:21 26 4
gpt4 key购买 nike

我正在尝试在一堆超过 10 分钟的音频文件上对文本执行语音。我不想通过直接上传 wav 文件来浪费云存储桶上的存储空间。所以我使用ffmpeg将文件转换为 ogg 或 mp3,例如:ffmpeg -y -i audio.wav -ar 12000 -r 16000 audio.mp3ffmpeg -y -i audio.wav -ar 12000 -r 16000 audio.ogg出于测试目的,我在一个虚拟 wav 文件上运行语音到文本服务,它似乎工作,我得到了预期的文本。但是由于某种原因,当我使用 ogg 或 mp3 文件时,它没有检测到任何语音。我也不能让 amr 文件工作。
我的代码:

def transcribe_gcs(gcs_uri):
client = speech.SpeechClient()

audio = speech.RecognitionAudio(uri=gcs_uri)
config = speech.RecognitionConfig(
encoding="OGG_OPUS", #replace with "LINEAR16" for wav, "OGG_OPUS" for ogg, "AMR" for amr
sample_rate_hertz=16000,
language_code="en-US",
)
print("starting operation")
operation = client.long_running_recognize(config=config, audio=audio)
response = operation.result()
print(response)
我已经正确设置了身份验证,所以这不是问题。
当我在同一音频上运行语音到文本服务但以 ogg 或 mp3(我只是从 mp3 的配置中注释掉编码设置)格式时,它没有响应,只是打印出换行符并完成。
我能做些什么来解决这个问题?

最佳答案

使用 Opus 或 FLAC

  • 不支持 Vorbis(OGG 容器的默认音频格式)。见 Google Cloud Speech-to-Text: Supported Audio Encodings .
  • MP3 编码是 Beta 功能,仅在 v1p1beta1 中可用。见RecognitionConfig reference documentation详情。

  • FLAC
    FLAC 被压缩但无损。这将产生最佳的语音到文本结果。
    ffmpeg -i input.wav -vn output.flac
    作品
    如果文件空间非常重要,那么在 OGG 中使用 Opus。它可以制作具有出色质量的小文件。
    ffmpeg -i input.wav -vn -c:a libopus output.ogg

    关于python - 谷歌云语音到文本没有为 OGG 和 MP3 文件提供输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67257782/

    26 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com