Question

使用Google语音转文字，我只会得到部分转录。输入文件：来自Google示例音频文件

Link to google repo location commercial_mono.wav

这是我的代码：

def transcribe_gcs(gcs_uri):
from google.cloud import speech_v1p1beta1 as speech
from google.cloud.speech_v1p1beta1 import enums
from google.cloud.speech_v1p1beta1 import types
client = speech.SpeechClient()
audio = types.RecognitionAudio(uri = gcs_uri)
config = speech.types.RecognitionConfig( language_code = 'en-US',enable_speaker_diarization=True, diarization_speaker_count=2)
operation = client.long_running_recognize(config, audio)


print('Waiting for operation to complete...')
response = operation.result(timeout=5000)
result = response.results[-1]

words_info = result.alternatives[0].words

tag=1
speaker=" "

for word_info in words_info:
    if word_info.speaker_tag==tag:
        speaker=speaker+" "+word_info.word

    else:
        print("speaker {}: {}".format(tag,speaker))
        tag=word_info.speaker_tag
        speaker=" "+word_info.word

这是我叫脚本的方式：

transcribe_gcs('gs://mybucket0000t/commercial_mono.wav')

我只能从整个音频文件中获得部分转录

(venv3) ➜  g-transcribe git:(master) ✗ python gtranscribeWithDiarization.py
Waiting for operation to complete...
speaker 1:   I'm here
speaker 2:  hi I'd like to buy a Chrome Cast and I was wondering whether you 
could help me

这就是我所能得到的

如果我多次执行代码，则经过5到6次后，我不会收到任何转录。

以下是经过几次尝试的结果：

(venv3) ➜  g-transcribe git:(master) ✗ python gtranscribeWithDiarization.py

Waiting for operation to complete...
speaker 1:  

(venv3) ➜  g-transcribe git:(master) ✗

Env：使用python3

使用google服务帐户，连接没有问题。
还将该文件复制到了Google存储，并确认可以播放
尝试将文件从wav转换为flac，但结果一样
使用ffprobe来确保只有一个频道

当发言人更换时，我正在尝试获得带时间戳的全部录音。

所需的输出

Speaker 1: Start Time 0.0001: Hello transcription starts
Speaker 2: Start Time 0.0009: Here starts with the transcription of the 2nd speaker and so on to the end of file.

希望您能提供帮助。

Answer 1

到目前为止，v1p1beta还没有任何问题。

建议1：也许是一个明显的建议，但是您的项目是否允许“数据记录”？使用更高级的功能/模型是必需的。也许尝试一下？如果没有改变结果，您可以在测试后将其关闭。

数据记录参考：https://cloud.google.com/speech-to-text/docs/data-logging

建议2：尝试在下面使用此行：

client = speech_v1p1beta1.SpeechClient()

建议3：：尝试在配置中添加采样率

sample_rate_hertz = 44100

如何使用google.cloud.speech_v1p1beta1获取完整的成绩单？

1 个答案: