1

好的，所以我正在处理一个类项目，我正在尝试将使用 javascript 的 navigator.mediaDevices.getUserMedia 和 MediaRecorder 类制作的录音发送到我的 Web 应用程序的后端（用 Python、Flask 编写）和 Google Speech到文本 API (google-cloud-speech)

到目前为止，我已经到了录制的地步，但我似乎无法成功地将它发送到 Google Cloud API。这是我正在尝试的方法：

  1. 使用 navigator.mediaDevices.getUserMedia 识别用户的麦克风
  2. 使用生成的音频流制作 MediaRecorder 对象
  3. 使用该记录器对象用生成的音频制作一个 blob（使用 {'type' : 'audio/flac'}）
  4. Base64Encode写入一个隐藏的表单元素，提交对应的表单
  5. 从那里，生成的 POST 请求将发送到我的 Python Flask 后端，在那里它将 Base64 编码的字符串作为...字符串读取
  6. 尝试使用 google-cloud-speech 客户端解码文本

它不工作。我正在使用 Python 库，我似乎无法直接发送 base64 字符串（因为 Python 库需要字节）。我已经尝试将字符串 base64 解码回字节，但是当我通过 API 运行它时，我似乎总是得到空 ([]) 结果。在简单地查找之后，似乎采样率可能是一个问题。我尝试将 navigator.mediaDevices.getUserMedia() 对象的采样率设置为 16000——构造函数如下所示：

navigator.mediaDevices.getUserMedia({ audio: true, sampleRate: 16000 })

我的 client.recognize() 调用（在我的 Python 后端）的配置部分如下所示：

config = speech.RecognitionConfig(
    encoding=speech.RecognitionConfig.AudioEncoding.FLAC,
    sample_rate_hertz=int(sampleRate),
    language_code="en-US",
)

有谁知道这里有什么问题？

4

0 回答 0