Question

我有一个大型mp3文件（约1.8GB），我必须使用wit.ai进行转录。由于我正在使用wav文件，我将其转换为wav文件。

但是由于wit.ai的语音api不能超过10s长音频，我计划将文件串流传输。但有些我如何得到400响应（坏请求）。我无法找到，我发错了什么。以下是详细信息：

headers = {'authorization': 'Bearer ' + wit_access_token,
         'Content-Type': 'audio/wav','Transfer-encoding': 'chunked'}
with open('meeting-record.wav', 'rb') as f:
    audio = f.read(2048)  # taken it any number
resp = requests.post(API_ENDPOINT, headers = headers,
                 data = audio)
print(resp) 
data = json.loads(resp.content)
text = data['_text']
print(text)
f.close()

我收到以下输出

<Response [400]>
Traceback (most recent call last):
  File ".\sound-record.py", line 61, in <module>
    text = data['_text']
KeyError: '_text'

有人可以显示一些指针，它出错了吗？

Answer 1

我以前没有使用过wit.ai API，但是Bing Speech API似乎要求以类似的方式提供数据。我不确定是否由于代码而出错，但是为了正确地分块和流传输文件，您可以在其中添加另一个函数，如下所示：

def stream_audio_file(speech_file, chunk_size=1024):
    # Chunk audio file
    with open(speech_file, 'rb') as f:
        while 1:
            data = f.read(1024)
        if not data:
            break
        yield data

现在，只要您在文件中的某处具有该功能即可为您流式传输和分块数据，就可以返回到初始方法：

headers = {
    'Accept': 'application/json',
    'Transfer-Encoding': 'chunked',
    'Content-type': 'audio/wav',
    'Authorization': 'Bearer {0}'.format(YOUR_AUTH_TOKEN)
}

data = stream_audio_file(YOUR_AUDIO_FILE)

r = requests.post(url, headers=headers, data=data)

results = json.loads(r.content)

print(results)

旁注： 您提到想要在自己的服务器上安装某些产品。有一个名为pocketsphinx的不错的模块，该模块是免费的，托管在您的计算机上，并用Python编写。它与SpeechRecognition模块非常匹配，该模块在顶部提供了一个不错的层，因此您不必花费太多时间来格式化请求。

Answer 2

Wit.ai不应该转录长文件，它是一个识别短命令的系统。您最好使用适当的服务：

还有很多其他人

如何在wit.ai中发送用于语音识别的分块音频数据？

2 个答案: