问题标签 [aws-transcribe]

我需要使用一些转录服务来转录语音。我使用 AWS transcribe 获得了非常好的结果。但我也需要知道哪个人说了什么。这可以通过 AWS 转录吗？我找不到任何关于此的信息。

前任。我现在得到的是

演讲者1：你好，你好吗？

演讲者2：我很好，你好吗？

演讲者1：好的……

我想得到的是能够知道谁是扬声器 1 和扬声器 2。例如通过上传样本

鲍勃：你好，你好吗？

爱丽丝：我很好，你好吗？

鲍勃：好吧……

这对 AWS 可行吗？

在我的 MERN 堆栈项目中，我有两个 MediaStream，我将它们合并为一个（使用 audioContext.createMediaStreamDestination()）。然后我将此流发送到 AWS 转录。我需要能够区分扬声器，来自这两个不同的流（一个流=一个扬声器）。亚马逊内置扬声器识别功能目前仅适用于英语，我正在使用德语。AWS 还提供了区分通道的可能性。是否有可能将我的两个流变成一个流的两个通道而不是简单的混合，然后我可以将其发送到 AWS 并使用通道识别来区分扬声器？

我正在尝试使用 Amazon Transcribe，但每当我开始新的 Transcribe 作业时，都会收到以下超时错误：

编辑：我有时也会收到以下“无法连接到实例元数据服务”错误：

这就是我的 transcribe_create_job.js 文件的样子：

这就是我的 transcribeClient.js 文件的样子：

我从官方文档中复制了代码，但我无法弄清楚为什么会出现此错误。我也没有在网上找到这个错误的任何解释，所以我希望其他人知道我为什么会得到这个错误。

提前谢谢你的帮助！莫里斯

我正在尝试将 AWS Transcribe 集成到我的 Node.JS 应用程序中。AWS S3 和 Polly 工作正常，但 AWS Transcribe 不能。我正在使用 AWS 的示例代码。

当我想通过AWS 示例代码开始转录作业时，我收到以下错误：请求的模块“./libs/transcribeClient.js”不提供名为“transcribeClient”的导出

这也是我收到未定义所需错误的唯一文件。我想知道为什么它只发生在 AWS 转录上而不是其他服务上？我还可以通过 AWS CLI 开始转录工作。

AWS Transcribe 代码不起作用 - transcribeClient.js：

AWS Polly 代码有效 - pollyClient.js：

我期待着您的阅读！谢谢！

我正在使用 websockets 在 Dart/Flutter 中构建一个 Transcribe Streaming 应用程序。当我流式传输测试音频（从单声道、16kHz、16 位签名的小端 WAV 文件中提取）时，我得到...

BadRequestException：无法解码您提供的音频流。检查音频流是否有效，然后重试您的请求。

作为测试，我正在使用文件来流式传输音频。我每秒发送 32k 数据字节（大致模拟实时麦克风流）。如果我流式传输所有 0x00 或所有 0xFF 或随机字节，我什至会收到错误消息。如果我将块大小划分为 16k 并将间隔时间划分为 0.5 秒，那么它会在出错之前再多走一帧......

至于数据，我只是在 EventStream 帧的数据部分按字面意思将字节打包在文件中。显然，事件流包装是正确的（字节布局、CRC），否则我会收到一个错误指示，不是吗？

什么会向 AWSTrans 表明它不可解码？关于如何进行此操作的任何其他想法？

谢谢你的帮助...

这是打包的代码。完整版在这里（如果你敢……现在有点乱） https://pastebin.com/PKTj5xM2

在这个问题上碰壁：使用大多数相同的功能来进行 AWS Transcribe 流式传输。我已经包括了我认为可能导致问题的相关部分。

首先，我能够解组消息并且它看起来正确（标题都在那里并格式化） - 这让我相信我正确地创建了数据结构。这让我觉得我一定是对有效载荷进行了编码或编码不当。

与某些 aws 转录文档资源不同的注意事项。在 websocket 文档中，它显示了三个标头（八位字节流），但我将其删除以更符合 github 上的静态转录 websocket 示例（请参阅 getAudioEventMessage）。我尝试使用/不使用此标头格式化消息。

以下是我认为的相关代码部分。如果有人希望我扩展，我会附加额外的代码。

首先，我使用音频上下文拉入流，数据正在填充并且看起来正确。

在我的视图上点击记录按钮后，会触发一个事件，该事件会为我的 websocket 获取正确签名/格式化的 url，这运行良好，并且连接无缝发生。套接字被打开，并在处理音频数据时将其发送到下面的 ProcessStream。socket.send(message) 返回无法解码音频数据的响应。我经历过一些错误，例如无效的 Web 套接字框架等等。我的问题可能在于我如何处理audioChunk。

这会在编组之前将音频事件消息格式化为 AWS Transcribe EventStream 规范。

我现在没有使用 NodeJS，我不完全理解的一件事是在格式化事件消息之前完成的 Buffer.From(pcmEncodedBuffer) 调用。我已经尝试过 base64 编码并将其包装在 arrayBuffer 中，以及 nodejs 文档中对 Buffer.From(ArrayBuffer) 的描述中的其他一些内容。

错误：无法解码您提供的音频流。（错误的请求异常）。

附加功能：

快速总结正在发生的事情：

• 我将 youtube 视频下载为mp3格式
• 将文件上传到s3
• 确认音频文件有效（确实如此）
• 使用该存储桶的 URI 作为 aws-transcribe 作业MediaFileUri
• 转录作业失败并出现以下错误： The media format that you specified doesn't match the detected media format. Check the media format and try your request again.
• 我的 s3 文件是.mp3格式的，作业需要一个mp3文件。所以他们确实匹配，但它失败了？

我在 Stackoverflow 上找到了一篇与此相关的帖子，但我不知道我可以采取哪些可行的步骤来解决这个问题。

mp3需要压缩，如果你只是保存字节数组，那么它不是.mp3格式。您可以使用 soxi 来验证音频文件

我的大脑没有足够的褶皱来理解如何处理这些信息。我正在使用NodeJS和ytdl-core包来下载内容并将其上传到 s3。我真的很感激一些关于去哪里和做什么的指示。

我正在做一个需要实时转录现场音频的项目。我使用GitHub 上提供的起始代码尝试了带有 WebSockets 的 AWS Transcribe 。

目前，为了进行测试，我有一个来自 YouTube 的音频文件，我将其流式传输到托管在云 VM 上的 icecast2 服务器。用于流式传输到 icecast2 服务器的 ffmpeg 命令是

ffmpeg -re -i yt.wav -ar 44100 -ac 1 -c:a libvorbis -aq 5 -content_type 'audio/ogg' -vn -f ogg icecast://source:hackme@serverIP:8000/mystream.ogg

我已经修改了 GitHub 上的代码，而不是从麦克风读取音频数据，而是从 icecast2 服务器读取音频。问题在于它有时根本不返回成绩单或返回错误的成绩单。

如果有人可以提供帮助，我将不胜感激

我正在尝试运行亚马逊提供的 python AWS 示例，以使用“System.exec()”在 Java 程序中转录音频文件。我已将程序的各个部分替换为使用传入的参数。此代码在 Mac 上按预期工作，但在 Windows 中（在 Tomcat 服务下），完全相同的 System.exec() 始终返回 null。

基本的 Python 代码在这里：https ://docs.aws.amazon.com/code-samples/latest/catalog/python-transcribe-getting_started.py.html

我认为这可能是一个身份验证问题，但我已经在预期位置、环境变量甚至 System.setProperty() 语句中尝试了配置文件的身份验证。仍然始终为空。

这是Java代码：

命令数组有：

1. Python
2. python'py'文件的路径
3. 参数

代码在后续行（null）崩溃： reader.readLine()

我将 Tomcat 服务设置为使用 8MB RAM，并将 Tomcat 重新安装到最新的 9 版本。

如果我在命令行中获取各个参数并执行它们，那一切都很好。

将不胜感激任何建议。

提前致谢。

我正在使用React Native Camera录制视频。我还想同时转录声音（语音转文本）。我正在查看React Native Voice，但我认为我不能同时使用这两个库（共享麦克风输入）。

想知道除了将最终的视频文件上传到某个地方进行转录之外，是否有人有想法。