问题标签 [aws-transcribe]

我有一些采样率为 8000hz 和 11025hz 的文件。

亚马逊自己的文档表明有效的 MediaSampleRateHertz 介于 8000 - 48000 之间（包括在内，通过示例判断）。

但是，运行媒体转录作业（通过 boto3 和直接在 AWS 控制台中的服务上）会返回失败，原因如下：

• 不支持 8000 Hz 的音频采样率。更改媒体文件的音频采样率，然后重试您的请求。
• 不支持 11025 Hz 的音频采样率。更改媒体文件的音频采样率，然后重试您的请求。

这发生在指定采样率并让 AWS 确定它（它正确地执行）时。

我哪里错了？

我要转录的视频是：https ://www.youtube.com/watch?v=nxkkXTbl3_4

视频中有 3 位独特的演讲者。我正在转录多个视频，每个视频的扬声器范围为 2-5。

这是我的转录代码：

JSON文件是：

转录很好，说话人识别仅对大约 50% 的视频有效。 如何提高说话人识别的准确率？

在使用 aws 转录器时，我想创建自定义词汇，但无法使用日语单词创建自定义词汇，也无法找到任何自定义词汇短语文件样本。尝试了表中的字符代码和直接的日语单词字符串数组。都没有奏效。收到错误“您尝试创建的词汇表包含无效字符或格式不正确的术语。有关详细信息，请参阅开发人员指南。” 这是我的代码

任何线索将不胜感激！

我正在尝试为 AWS 转录设置一个 websocket，但我已经被困了一天多，试图解码Uint8ArrayView我收到的字节数据 / 作为响应。非常感谢任何帮助，我尝试了大量的解码、ByteBuffers 等，但无法弄清楚。

这是有关数据应如何输入的小文档： https ://docs.aws.amazon.com/transcribe/latest/dg/event-stream.html

以下是有人用 Javascript 中的相同响应轻松做到这一点的方法：使用marshaller （GitHub 上的完整代码）

这是我收到的响应数据：

我正在使用这篇文章Asynchronous Amazon Transcribe Streaming SDK for Python。

我正在尝试为所需的库创建一个 lambda 层。

我使用了以下命令：

但是当我在我的 lambda 函数中使用该层时出现以下错误：

这同样适用于本地的虚拟环境。我不确定确切的问题是什么。

我什至尝试单独安装 awscrt 但它没有用。

任何形式的帮助将不胜感激。谢谢！

我正在尝试使用 Python API 使用自定义语言模型来转录语音。我遵循了 AWS 网页上提供的示例脚本。但是，它会抛出以下错误，说它不支持 ModelSettings 下的“LanguageModelName”参数。

ParamValidationError：参数验证失败：输入中的未知参数：“ModelSettings”，必须是以下之一：TranscriptionJobName、LanguageCode、MediaSampleRateHertz、MediaFormat、Media、OutputBucketName、Settings

有人可以帮忙吗？

我正在关注这个（https://towardsdatascience.com/speech-to-text-using-aws-transcribe-s3-and-lambda-a6e88fb3a48e）博客来创建一个转录文件。视频从控制台上传到 S3，并触发 lambda 函数，该函数调用 Transcribe API 并将该文件存储在目标存储桶中。所以一切运行良好。

但它将文件放在 S3 的根文件夹中。我想在 Lambda 代码的目标存储桶中给出前缀。这意味着我想以这种方式存储转录文件s3://<bucketname>/<folder1>/transcibe.json。

我在 OutputBucketName（代码中的第 32 行）上尝试了多种方法，但仍然没有任何效果。

我正在创建一项服务来转录实时音频流。适用于 Python的异步 Amazon Transcribe Streaming SDK提供了区分说话者的可能性。

将show_speaker_label=True参数传递到客户端配置后，API 返回每个单词的说话者标签，如下所示：

我想输出一个简单的逐行转录，其中包括每个句子的说话者标签，如下所示：

但是，我不确定应用哪种策略来解析 API 响应。是否最好通过遍历项目并跟踪当前正在说话的人来解析结果。或者我应该遍历结果并等到遇到“speaker-change”类型的项目？

我已经在 Google 上搜索了示例，但我发现的解决方案要么有点混乱，要么适用于返回的 JSON 响应以进行批量转录。在此处输入链接描述

任何人都有正确解析这些结果的经验吗？您的意见将非常有帮助。

我正在运行一个使用 AWS TranscribeStreaming 的 java 程序。我已经创建（从 AWS 控制台）并下载了 AWS_ACCESS_KEY_ID 和 AWS_SECRET_ACCESS_KEY 然后设置环境变量。当我运行程序时，我收到错误消息：

无法从链 AwsCredentialsProviderChain 中的任何提供者加载凭证。

我不知道为什么，但在使用 Google SDK 进行语音识别时也会发生此错误。

这是我要运行的代码。

我正在尝试在 Angular 项目中使用@aws-sdk/client-transcribe-streaming，但没有任何运气。

以下代码是 AWS 提供的唯一示例

正如 SDK 的文档所述，该StartStreamTranscriptionCommand对象期望params参数的类型为StartStreamTranscriptionCommandInput。

这个StartStreamTranscriptionCommandInput对象有一个AudioStream类型为 的字段 AsyncIterable<AudioStream>，我假设它是发送给 AWS 转录的音频流。

问题是我不知道如何创建这个AudioStream对象，文档给我们的唯一提示是它是“PCM 编码的音频 blob 流。音频流被编码为 HTTP2 数据帧。”

任何有关如何创建的帮助AsyncIterable<AudioStream>将不胜感激。