Google语音转文本的25秒延迟

Question

这是我在使用Google语音转文本引擎时遇到的问题。我目前正在以32kB块的形式实时传输16位/ 16 kHz音频。但是在发送音频和接收成绩单之间平均有25秒的延迟，这无法实现实时转录的目的。

为什么会有这么高的延迟？

Answer 1

Google语音转文本documentation建议使用100毫秒的帧大小以最大程度地减少延迟。

32kB *（8位/ 1字节）*（1个样本/ 16位）*（1秒/ 16000个样本）= 1秒。

因此，请尝试发送3.2kB的块。这样将平均延迟时间从25s降低到了4s。