我想使用AWS服务和AWS java-sdk将语音转换为文本,但我无法在AWS java-sdk中找到任何API。有没有这样做的服务?我使用AWS Polly服务使用AWS java-sdk将文本转换为语音,但不是反向(语音到文本)。怎么可以这样做?
答案 0 :(得分:10)
最近我设法建立了一个Java客户端,在投入时间之前,重要的是要说截至本出版日期,获取包含“是”的音频文本所需的时间大约是1分钟。 鉴于这种表现,我选择了Google服务。
那就是说我分享了可以改进的代码,因为它打算进行可行性测试。
此服务要求将音频存放在存储桶中,然后指示转录uri,然后启动工作,并以类似的方式获得json格式的结果。
在示例中,我们选择等待工作完成,然后获得结果。
主要依赖项是:
<!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-transcribe -->
<dependency>
<groupId>com.amazonaws</groupId>
<artifactId>aws-java-sdk-transcribe</artifactId>
<version>1.11.313</version>
</dependency>
<!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-s3 -->
<dependency>
<groupId>com.amazonaws</groupId>
<artifactId>aws-java-sdk-s3</artifactId>
<version>1.11.313</version>
</dependency>
我选择的凭证:
static{
System.setProperty("aws.accessKeyId", "yourAccessK");
System.setProperty("aws.secretKey" , "shhhhhhhhhh");
}
在源代码中,我们将创建S3和tanscribe客户端,将该区域替换为与该桶对应的区域。
private AmazonS3 s3 = AmazonS3ClientBuilder.standard().withRegion("us-east-1").withClientConfiguration(new ClientConfiguration()).withCredentials(new DefaultAWSCredentialsProviderChain() ).build();
private AmazonTranscribe client = AmazonTranscribeClient.builder().withRegion("us-east-1").build();
然后我们将音频文件上传到存储桶
s3.putObject(BUCKET_NAME, fileName, new File(fullFileName));
BUCKET_NAME是具有存储桶名称的常量。 fileName:它不一定是文件的名称,它可以是我们想要使用的任何标识符。
将音频上传到存储桶后,我们将创建转录作业。
StartTranscriptionJobRequest request = new StartTranscriptionJobRequest();
request.withLanguageCode(LanguageCode.EsUS);
Media media = new Media();
media.setMediaFileUri(s3.getUrl(BUCKET_NAME, fileName).toString());
request.withMedia(media).withMediaSampleRateHertz(8000);
查看语言选项和MediaSampleRateHertz。
为作业创建名称。
String transcriptionJobName = "myJob"; // consider a unique name as an id.
并完成请求并开始工作
request.setTranscriptionJobName(transcriptionJobName);
request.withMediaFormat("wav");
client.startTranscriptionJob(request);
在这种情况下,等待答案的循环,还有其他更有效的选项。
GetTranscriptionJobRequest jobRequest = new GetTranscriptionJobRequest();
jobRequest.setTranscriptionJobName(transcriptionJobName);
TranscriptionJob transcriptionJob;
while( true ){
transcriptionJob = client.getTranscriptionJob(jobRequest).getTranscriptionJob();
if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.COMPLETED.name()) ){
transcription = this.download( transcriptionJob.getTranscript().getTranscriptFileUri(), fileName);
break;
}else if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.FAILED.name()) ){
break;
}
// to not be so anxious
synchronized ( this ) {
try {
this.wait(50);
} catch (InterruptedException e) { }
}
}
transcriptionJob.getTranscript()。getTranscriptFileUri()返回一个uri,用于任何http客户端Apache HttpClient,或者在我的情况下,我更喜欢JODD(https://jodd.org/http/)
下载:
private AmazonTranscription download( String uri, String fileName ){
HttpResponse response = HttpRequest.get(uri).send();
String result = response.charset("UTF-8").bodyText();
// result is a json
return gson.fromJson(result, AmazonTranscription.class);
}
AmazonTranscription是我创建的包含json的类。 我共享必要的类来包含json解析,我避免使用set并且不会那么广泛。
public class AmazonTranscription {
private String jobName;
private String accountId;
private Result results;
private String status;
}
public class Item {
private String start_time;
private String end_time;
private List<Alternative> alternatives = new ArrayList<Alternative>();
private String type;
}
public class Result {
private List<Transcript> transcripts = new ArrayList<Transcript>();
private List<Item> items = new ArrayList<Item>();
}
public class Transcript {
private String transcript;
}
只需在需要的地方添加try / catch。
我希望我没有忽略任何事情并且它会有用,我花了一些时间来理解这个亚马逊模型,我希望在那个时候避开其他人。
对不起,如果写作中有错误,但这不是我的母语。
答案 1 :(得分:0)
StartTranscriptionJobRequest request = StartTranscriptionJobRequest.builder()
.transcriptionJobName(transriptionJobName)
.languageCode(LanguageCode.EsUS).settings(transcriptionSettings)
.media(media).outputBucketName(BUCKET_NAME)
.outputKey(outPutLocation)
.build();
答案 2 :(得分:-1)
您可以使用 Amazon Transcribe 。它是一种自动语音识别(ASR)服务,使开发人员可以轻松地将语音功能添加到应用程序的文本功能中。使用Amazon Transcribe API,您可以分析存储在Amazon S3中的音频文件,并让服务返回转录语音的文本文件。
有关更多信息,请参阅文档here。
答案 3 :(得分:-1)
尝试亚马逊转录 - 准确的语音缩放文字。它是AWS服务,可帮助开发人员在其应用程序中为语言功能添加语音。转录是一种自动语音识别(ASR)服务。它支持其他AWS服务作为其源输入。例如,您可以使用 AWS S3 存储的MP3文件作为源输入。
Amazon Transcribe通过使用API启动作业来工作。有三种类型的API操作。
了解更多信息AWS Blog For Docs:AWS Transcribe Docs