问题标签 [google-cloud-speech]

是否可以将 Google Speech API 配置为仅返回数字和字母，而不是完整的单词？

用例是翻译加拿大邮政编码。前任。M 1 B 0 R 3. Google 可能会返回“Em 1 Be 0 Are 3”

我们尝试过：

• 使用speechContexts和输入字母 A - Z，作为单独的短语。这提高了我们的准确性。我们在传递单个数字（例如 1、2、3）方面没有取得多大成功。
• encoding使用和sampleRateHertz配置选项指定我们的 WAV 文件的编解码器和采样率。我们认为这样做没有任何改进，因为我们相信 Google 在自动识别采样率和编码方面已经做得很好。

我们的音频文件是 8000hz 并用“M-ULAW”编码。我们无法灵活地更改采样率或编码。

有没有办法让谷歌对这个用例做出更准确的回应？即使是更好的speechContexts短语的想法也是受欢迎的。

谢谢

我通过"https://speech.googleapis.com/v1/speech:recognize?key=<my key>"以下方式向 GCS 发送音频：

一切都符合规范，但是，我一直得到一个空主体的错误标志。

在处理主要的 JSON impl 时，我得到了“无效参数”等......但现在我正在流式传输 88200 个 16 位未压缩音频字节块，我不断收到一个错误，没有附加文本 - 甚至没有一个代码。有没有人遇到过类似的情况？

如果相关，我从 Unity 中的 AudioClip 获取音频，然后将 32 位 float[] 转换为 byte[originalAudio.Length * sizeof(float)]，然后根据需要转换为 base64。

谢谢。

我需要为我的应用程序使用“Google 语音 API”。为此，我安装了“谷歌云存储 SDK”。我按照此链接“ https://cloud.google.com/sdk/docs/quickstart-debian-ubuntu ”安装gcloud。

然后我在终端上运行了这个命令“ set GOOGLE_APPLICATION_CREDENTIALS /path/to/google-speech-API-key/key.json”来设置 GOOGLE_APPLICATION_CREDENTIALS。但是当我尝试测试时，我得到了这个异常 "Error reading credential file from environment variable GOOGLE_APPLICATION_CREDENTIALS, value '/path/to/google-speech-API-key': File does not exist"。我确定该目录存在并且它具有所有权限。

然后我运行这个命令"gcloud auth application-default login"来实际设置默认键。我收到以下警告

那么，现在我该如何取消设置或覆盖 GOOGLE_APPLICATION_CREDENTIALS？

我想在我的应用程序中添加一些关键字，以便 API 可以更有效地识别口语单词。例如 I m having trouble recognizing the some Italian words that starts with E,(E` per me) 例如。或德语（er geht）。

这是我的代码：

为不同情况设置语言：

我正在将 ruby​​ api 用于谷歌云语音 api。以下代码返回一个操作对象。

我operation.wait_until_done!可以轮询操作直到完成。但是，我的音频文件大约 30 分钟长。所以这会在很长一段时间内阻止我的进程。

以后可以得到操作的结果吗？我知道我可以打电话operation.id来获取操作的唯一标识符。以后可以使用这个来获得操作的结果吗？

这是来自https://www.npmjs.com/package/@google-cloud/speech的代码

如何在使用 @google-cloud/speech 时传递我的 API 密钥进行身份验证？我阅读了文档并查看了示例，但他们没有谈论使用 API 密钥。有什么方法可以使用 API 密钥进行身份验证？

我在流模式下的语音识别有问题。我的音频源是 VoIP 电话协议 (SIP)，它允许您以以下格式输出音频数据：“encoding”：“Mulaw”，“sampleRateHertz”：8000

• 当我以流模式发送新的数据部分时，出现异常：“Status(StatusCode=OutOfRange, Detail="音频数据传输速度太慢。请大约实时传输音频数据。”)”
• 为了验证，我以这种格式将数据写入磁盘。在我读取数据并以流模式将其分块发送后，一切正常并返回结果。

事实证明，该错误仅实时出现。我寻求帮助。

我已经实现了云语音 API 流识别服务。我能够传递 FLAC 文件并获得输出，但它没有连续识别并且没有发出仍然说话的声音。一旦我的录音完成，那么只有我得到来自云 API 的响应。请建议我如何从谷歌语音 API 获得持续识别。请帮我

使用谷歌云语音 api 时，新词准确时间戳/时间码功能似乎允许0结果中某些词的秒持续时间，这是一个示例

... { startTime: '48.800s', endTime: '48.800s', word: 'a' }, { startTime: '48.800s', endTime: '49.200s', word: 'kindly' }, ...

这是一个错误吗？

为了测试，我使用了来自音频档案“Arthur the Rat”、“USA - General mid-west Speaker (Michigan)”的剪辑。

我正在努力将 Google Cloud Speech Api 与 ruby​​ 客户端（v0.22.2）一起使用。

我可以执行长时间运行的作业，如果我使用可以得到结果

但这会在很长一段时间内锁定服务器。

根据 API 文档，我真正需要的只是操作名称（id）。

有没有办法从操作名称创建一个作业对象并以这种方式检索它？我似乎无法创建一个功能性的新作业对象，例如使用来自@grpc_op 的 id

我想做的是：

真的希望这对某人有意义。与谷歌的 ruby​​ 客户端进行了相当多的斗争，因为一切似乎都被翻译成比使用 API 所需的对象复杂得多的对象。我在这里缺少一些技巧吗？