Question

我试图将mp4视频片段转换为FLAC音频文件，然后谷歌语音吐出视频中的单词，以便我可以检测是否有特定的单词。

除了我从Speech API收到错误之外，我已经完成了所有工作：

{
  "error": {
    "code": 400,
    "message": "Sample rate in request does not match FLAC header.",
    "status": "INVALID_ARGUMENT"
  }
}

我正在使用FFMPEG将mp4转换为FLAC文件。我在命令中指定FLAC文件是16位，但是当我右键单击FLAC文件时，Windows告诉我它是302kbps。

这是我的PHP代码：

// convert mp4 video to 16 bit flac audio file
$cmd = 'C:/wamp/www/ffmpeg/bin/ffmpeg.exe -i C:/wamp/www/test.mp4 -c:a flac -sample_fmt s16 C:/wamp/www/test.flac';
exec($cmd, $output);

// convert flac to text so we can detect if certain words were said
$data = array(
    "config" => array(
        "encoding" => "FLAC",
        "sampleRate" => 16000,
        "languageCode" => "en-US"
    ),
    "audio" => array(
        "content" => base64_encode(file_get_contents("test.flac")),
    )
);

$json_data = json_encode($data);

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'https://speech.googleapis.com/v1beta1/speech:syncrecognize?key=MY_API_KEY');
curl_setopt($ch, CURLOPT_HTTPHEADER, array("Content-Type: application/json"));
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_POST, true);
curl_setopt($ch, CURLOPT_POSTFIELDS, $json_data);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);

$result = curl_exec($ch);

Answer 1

通过在我的FFMPEG命令中非常具体来修复它：

$cmd = 'C:/wamp/www/ffmpeg/bin/ffmpeg.exe -i C:/wamp/www/test.mp4 -acodec flac -bits_per_raw_sample 16 -ar 44100 -ac 1 C:/wamp/www/test.flac';

Answer 2

kjdion84的回答运作良好，我发挥了更多的作用来找出根本原因。

根据this回答，所有编码仅支持1个频道（单声道）音频

我用这个命令创建了FLAC文件：

ffmpeg -i test.mp3 test.flac

请求中的采样率与FLAC标头不匹配

但是将-ac 1（设置音频通道数量）添加到1可解决此问题。

ffmpeg -i test.mp3 -ac 1 test.flac

这是我的完整Node.js代码

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

const speechClient = Speech({
    projectId: projectId
});

// The name of the audio file to transcribe
var fileName = '/home/user/Documents/test/test.flac';


// The audio file's encoding and sample rate
const options = {
    encoding: 'FLAC',
    sampleRate: 44100
};

// Detects speech in the audio file
speechClient.recognize(fileName, options)
    .then((results) => {
        const transcription = results[0];
        console.log(`Transcription: ${transcription}`);
    }, function(err) {
        console.log(err);
    });

采样率可以是16000或44100或其他有效值，编码可以是FLAC或LINEAR16。 Cloud Speech Docs

Google Speech API＆＃34;请求中的采样率与FLAC标头不匹配＆＃34;

2 个答案: