Question

短于1分钟的音频文件会毫无问题地转录，但当我尝试转录较长的文件时，Google语音API会返回空的回复。

我使用以下SoX命令创建.wav文件：

sox input.flac --channels=1 --bits=16 --rate=16000 --encoding=signed-integer --endian=little output.wav

文件按预期播放。运行SoXi，我得到以下信息：

Input File     : 'output.wav'
Channels       : 1
Sample Rate    : 16000
Precision      : 16-bit
Duration       : 00:02:35.71 = 2491408 samples ~ 11678.5 CDDA sectors
File Size      : 4.98M
Bit Rate       : 256k
Sample Encoding: 16-bit Signed Integer PCM

然后我将其上传到我的Google存储空间，因为文档说明任何大于1分钟的文件都必须位于gs存储桶中，以便API对其进行转录。

然后我运行以下代码来开始转录操作：

use \Google\Cloud\ServiceBuilder;

$cloud = new ServiceBuilder([
    'keyFilePath' => '/var/www/cert/gcloud_key.json',
    'projectId' => 'm****n-141000'
]);

$speech = $cloud->speech();

$operation = $speech->beginRecognizeOperation(
    "gs://m****n-141000.appspot.com/output.wav", [
    'encoding' => 'LINEAR16',
    'sampleRate' => 16000
]);

$isComplete = $operation->isComplete();

while (!$isComplete) {
    sleep(1);
    $operation->reload();
    $isComplete = $operation->isComplete();
}

var_dump($operation->results());

回复的回复是空的。完整的回复如下：

object(stdClass)#27 (4) {
  ["name"]=>
  string(19) "1904326252537199795"
  ["metadata"]=>
  object(stdClass)#24 (4) {
    ["@type"]=>
    string(70) "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeMetadata"
    ["progressPercent"]=>
    int(100)
    ["startTime"]=>
    string(27) "2017-01-02T09:36:45.780425Z"
    ["lastUpdateTime"]=>
    string(27) "2017-01-02T09:36:46.720260Z"
  }
  ["done"]=>
  bool(true)
  ["response"]=>
  object(stdClass)#26 (1) {
    ["@type"]=>
    string(70) "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeResponse"
  }
}

建议请求已成功运行并完成，但没有任何实际响应。我哪里错了？

Answer 1

请参阅此处的文档：https://cloud.google.com/speech/docs/basics

请注意，尚无结果。 Speech API将继续处理提供的音频，并使用此操作存储最终结果，这些结果将在请求完成后出现在操作的响应字段（类型为AsyncRecognizeResponse）中。

我假设有一种方法可以提供一个回调函数来处理包含转录的实际响应。

Answer 2

Speech API文档（https://cloud.google.com/speech/docs/encoding）表示不支持wav文件。它应该是没有任何标题的原始文件（扩展名为* .raw）。 sox转换应该有“--type = FILETYPE”定义，但遗憾的是我不确定它是“--type = raw”还是别的。

Answer 3

您必须通过Google云端存储对象。

所以试试：

use \Google\Cloud\ServiceBuilder;

$cloud = new ServiceBuilder([
    'keyFilePath' => '/var/www/cert/gcloud_key.json',
    'projectId' => 'm****n-141000'
]);

$storage = $cloud->storage();
$bucket = $storage->bucket($bucket_name);
$object = $bucket->object($audio_filename);

$speech = $cloud->speech();

$operation = $speech->beginRecognizeOperation(
    $object, [
    'encoding' => 'LINEAR16',
    'sampleRate' => 16000
]);

$isComplete = $operation->isComplete();

while (!$isComplete) {
    sleep(1);
    $operation->reload();
    $isComplete = $operation->isComplete();
}

var_dump($operation->results());

Google Cloud Speech API不会为音频返回超过1分钟的内容

3 个答案: