Question

堆栈溢出可能不是问这个问题的最佳位置，但我需要帮助。我有一个mp3文件，我想使用谷歌的语音识别来获取该文件的文本。任何我可以找到文档或示例的想法都将不胜感激。

Answer 1

查看Google Cloud Speech API，使开发人员能够将音频转换为文本[...] API可识别80多种语言和变体[...] 您可以创建一个免费帐户来获取有限数量的API请求。

如何：

首先需要安装gcloud python module＆amp; google-api-python-client模块：

pip install --upgrade gcloud
pip install --upgrade google-api-python-client

然后在Cloud Platform控制台中，转到“项目”页面，选择或创建新项目。在您需要为项目启用结算后，请enable Cloud Speech API。

启用Google Cloud Speech API后，点击转到凭据按钮以设置您的Cloud Speech API凭据

有关如何通过代码

授权Cloud Speech API服务的信息，请参阅Set Up a Service Account

您应该同时获得服务帐户密钥文件（使用JSON）和GOOGLE_APPLICATION_CREDENTIALS环境变量，以便您对Speech API进行身份验证

完成所有操作后，来自Google的download the audio raw file以及来自Google的speech-discovery_google_rest_v1.json

修改以前下载的JSON文件以设置您的凭据密钥然后确保您已将GOOGLE_APPLICATION_CREDENTIALS环境变量设置为.json文件的完整路径：

export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service_account_file.json

也

确保您已将GCLOUD_PROJECT环境变量设置为您的Google Cloud项目的ID：

export GCLOUD_PROJECT=your-project-id

假设已完成，您可以创建一个 tutorial.py 文件，其中包含：

import argparse
import base64
import json

from googleapiclient import discovery
import httplib2
from oauth2client.client import GoogleCredentials


DISCOVERY_URL = ('https://{api}.googleapis.com/$discovery/rest?'
                 'version={apiVersion}')


def get_speech_service():
    credentials = GoogleCredentials.get_application_default().create_scoped(
        ['https://www.googleapis.com/auth/cloud-platform'])
    http = httplib2.Http()
    credentials.authorize(http)

    return discovery.build(
        'speech', 'v1beta1', http=http, discoveryServiceUrl=DISCOVERY_URL)


def main(speech_file):
    """Transcribe the given audio file.

    Args:
        speech_file: the name of the audio file.
    """
    with open(speech_file, 'rb') as speech:
        speech_content = base64.b64encode(speech.read())

    service = get_speech_service()
    service_request = service.speech().syncrecognize(
        body={
            'config': {
                'encoding': 'LINEAR16',  # raw 16-bit signed LE samples
                'sampleRate': 16000,  # 16 khz
                'languageCode': 'en-US',  # a BCP-47 language tag
            },
            'audio': {
                'content': speech_content.decode('UTF-8')
                }
            })
    response = service_request.execute()
    print(json.dumps(response))

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        'speech_file', help='Full path of audio file to be recognized')
    args = parser.parse_args()
    main(args.speech_file)

然后运行：

python tutorial.py audio.raw

如何在python中使用谷歌语音识别api？

1 个答案: