Question

我正在使用Google API进行语音转文本。

以下是我的python代码：

from google.cloud import speech_v1p1beta1 as speech

import os
os.environ["GOOGLE_APPLICATION_CREDENTIALS"]="C:\\Users\\chetan.patil\\Speech Recognition-db71b5de7c80.json" #Specified key

client=speech.SpeechClient()

speech_file="Chetan_Recording_20Secflac.flac" #import file

with open(speech_file,'rb') as audio_file:
    content=audio_file.read()
    audio=speech.types.RecognitionAudio(content=content)

config=speech.types.RecognitionConfig(encoding=speech.enums.RecognitionConfig.AudioEncoding.LINEAR16,
                                      language_code='en_US',enable_speaker_diarization=True,audio_channel_count=1,
                                      sample_rate_hertz=44100)

response = client.recognize(config, audio)

当我运行最后一行代码时。它给出错误为“ 400指定FLAC编码以匹配文件头”

即使我尝试使用.wav文件，其给出的错误也为“ 400必须使用单声道（单声道）音频，但WAV标头指示2个声道”

有人可以帮我吗？

Answer 1

当我运行最后一行代码时。它给出错误为“ 400指定FLAC编码以匹配文件头”

您需要speech.enums.RecognitionConfig.AudioEncoding.FLAC来处理FLAC文件

即使我尝试使用.wav文件，其给出的错误也为“ 400必须使用单声道（单声道）音频，但WAV标头指示2个声道”

wav文件确实应该是单声道的，看起来就像您尝试过立体声文件一样。

Answer 2

删除整个编码配置似乎也有效。我的意思是从配置设置中删除 encoding=speech.enums.RecognitionConfig.AudioEncoding.LINEAR16，因为这可以从音频文件的标题中推断出来。

如何解决＃问题400指定FLAC编码以匹配文件头？

2 个答案: