Question

我正在努力让转录在我的Android应用程序上使用IBM语音到文本服务。下面是用于记录文件和转录文件的代码。

示例代码我从this

获取了watson

媒体记录器输出

mediaRecorder = new MediaRecorder();
mediaRecorder.setMaxDuration(MAX_DURATION);
mediaRecorder.setAudioSource(MediaRecorder.AudioSource.MIC);
mediaRecorder.setOutputFormat(MediaRecorder.OutputFormat.MPEG_4);
mediaRecorder.setAudioEncoder(MediaRecorder.AudioEncoder.AMR_NB);

我收听时文件确实有清晰的音频。

Watson代码

 private void startWatson() {

    service = new SpeechToText();
    String userName = String.valueOf(R.string.speech_text_username);
    String password = String.valueOf(R.string.speech_text_password);
    service.setUsernameAndPassword(userName, password);
    service.setEndPoint(String.valueOf(R.string.speech_text_url));
}

我从我的bluemix帐户中获得了用户名，密码和网址。

 private void transcribe() throws IOException {

    final InputStream inputStream = FileUtils.openInputStream(files[spnRecordingList.getSelectedItemPosition()]);
    recognizeOptions = new RecognizeOptions.Builder().contentType(HttpMediaType.AUDIO_OGG).interimResults(true).build();

    new Thread(new Runnable() {
        @Override
        public void run() {
            try {
                service.recognizeUsingWebSocket(inputStream, recognizeOptions, new playback());
            } catch (Exception e) {

            }
        }
    }).start();

}

我之所以选择Audio_OGG是因为文档说：audio / ogg（该服务会自动检测输入音频的编解码器。）

这可能是错的，所以如果是这样，请解释原因，因为我发现的例子没有那么大的帮助。

播放课程

  private class playback extends BaseRecognizeCallback {

    @Override
    public void onTranscription(SpeechResults speechResults) {
        if (speechResults.getResults() != null && !speechResults.getResults().isEmpty()) {
            String text = speechResults.getResults().get(0).getAlternatives().get(0).getTranscript();
            txtbox.setText(text);
        }
    }

    @Override
    public void onError(Exception e) {
        txtbox.setText("on error");
    }

    @Override
    public void onDisconnected() {
        txtbox.setText("on disconnected");

    }
}

回放类是我的活动类

中的一个类

 public class RecordingActivity extends AppCompatActivity implements 
 RecordingListFragment.OnFragmentInteractionListener {

 "on  create and etc code"
 "start watson function"
 "transcribe function"
 playback class {}
 }

我把这个类和线程代码形成了我在github上找到的带有Watson语音文本的例子。

Answer 1

我之所以选择Audio_OGG是因为文档说：audio / ogg（该服务会自动检测输入音频的编解码器。）

该服务可以自动检测ogg文件是否包含vorbis或opus音频;但这对于mp4输入不起作用。

看起来MediaRecorder不支持ogg输出，但您可以尝试切换到webm，然后使用mediaRecorder.setOutputFormat(MediaRecorder.OutputFormat.WEBM);中的HttpMediaType.AUDIO_WEBM，然后使用RecognizeOptions。

Watson也支持HttpMediaType.AUDIO_MPEG，但我并不认为它与MediaRecorder的MPEG_4相同。

https://github.com/watson-developer-cloud/java-sdk/tree/develop/examples/src/main/java/com/ibm/watson/developer_cloud/speech_to_text/v1

还有一些工作示例

与ibm watson的文本转录问题的演讲

1 个答案: