Question

我正在处理Google Speech API found here提供的代码段。代码应足以将.wav文件转换为转录文本。

感兴趣的街区在这里：

def transcribe_file(speech_file):
    """Transcribe the given audio file."""
    from google.cloud import speech
    speech_client = speech.Client()

    with io.open(speech_file, 'rb') as audio_file:
        content = audio_file.read()
        audio_sample = speech_client.sample(
            content=content,
            source_uri=None,
            encoding='LINEAR16',
            sample_rate_hertz=16000)

    alternatives = audio_sample.recognize('en-US')
    for alternative in alternatives:
        print('Transcript: {}'.format(alternative.transcript))

首先，我认为代码可能已过时，sample_rate_hertz=16000必须更改为sample_rate=16000。

之后，我收到了这一行的错误：
alternatives = audio_sample.recognize('en-US')
阅读中 AttributeError: 'Sample' object has no attribute 'recognize'

我很好奇如何纠正这个问题。我似乎无法找到有关此方法的任何文档。也许它也需要更换。

Answer 1

您使用github quickstart.py示例，因此我想知道它与文档Google Cloud Speech API class sample不同步。但它仍然 BETA 。

假设isinstance(audio_sample, <class Sample(object)>) == True，
然后在你的

中.recognize

alternatives = audio_sample.recognize('en-US')

应该是

之一

async_recognize, streaming_recognize, sync_recognize

Answer 2

您需要将文件读取为二进制文件，然后将service.speech().syncrecognize与 body 参数（dict）一起使用，其中包含所有必需的参数，如：

编码，
samplerate
语言）

请尝试以下方法：

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))

请查看here，因为有类似的工作示例。

Google Cloud Speech API python代码示例可能存在错误

2 个答案: