谷歌语音API - 识别base64编码音频

我一直在努力与谷歌语音API一段时间，并会爱一些建议。谷歌语音API - 识别base64编码音频

这里就是我想要做的事：

录制音频的浏览器
转换的记录为Base64发送到我的服务器
在服务器上，调用谷歌语音API的syncRecognize功能，传入我的基地64编码音频

我总是收到一个空的结果对象。

当我按照这个getting started tutorial虽然一切工作正常。

我在做什么错？

任何提示/想法将非常感激。

const Speech = require('@google-cloud/speech'); 
const SpeechV1beta1 = require('@google-cloud/speech/src/v1beta1') 

module.exports = { 

    syncRecognize: function(base64Encoding) { 

     const speech = Speech(); 
     const speechV1beta1 = SpeechV1beta1(); 
     const client = speechV1beta1.speechClient(); 

     const body = { 
      "config": { 
       "encoding":"LINEAR16", 
       "sampleRate":16000, 
       "languageCode":"en-US" 
      }, 
      "audio": { 
       "content": base64Encoding 
      } 
     } 

     return client.syncRecognize(body) 
     .then((results) => { 
      console.log('results', results) 
      return {transcription: results[0]}; 
     }).catch(function(error) { 
      return {error: error}; 
     });; 

    } 
}

来源

2017-02-26 littlebird

我从来没有尝试过在浏览器中这样做，所以我不确定。有什么方法可以将音频内容数据保存到文件中，以确保它可以播放（并且它是LINEAR16 16kHz）？如果你给它一个URI，相同的代码是否工作？如果是这样，似乎问题与音频“内容”。 – blambert

从浏览器记录的数据可能不包含那些配置参数。

我遇到的另一个问题是，对于超过5秒的音频持续时间，超时启动并且到目前为止我还没有能够有效地更改API截止日期。这可能也是你的情况。

为了验证我的webapp音频的元数据我用ffmpeg：我会自动将文件保存到存储器中，脚本运行ffmpeg -i filename检索采样率，编码，信道和持续时间的数目。

请注意，同步语音识别请求有audio lenght limits。如果超过它们，我建议您使用异步方法（或将音频文件拆分为子文件）。在前一种情况下，你可能需要转换音频编码（幸运的是ffmpeg也可以为你做:)）。在后一种情况下，您可以使用SoX将音频分为静音和分开处理。

来源

2017-03-01 11:40:58 EffePi

谷歌语音API - 识别base64编码音频

回答

相关问题