问题标签 [google-speech-api]

我想识别一些音频文件，所以我将它们上传到存储桶。这些音频文件长约 45 分钟；异步识别是强制性的。

我已经识别出一对音频文件，但服务speech.asyncrecognize从几个小时前开始向我返回 429 RESOURCE_EXHAUSTED 状态。

我的 GCP 项目启用了 Google Cloud Speech API 并设置了账单信息。API 的全部配额可用，我只有 10 个音频文件要识别，所以这不是音量问题。

那么，为什么我会得到这个 429 状态？我知道这个 API 是测试版，但奇怪的是它突然停止工作。

我正在通过 REST 和 Python 使用这个 API。我的代码看起来像这样：

它返回：

它工作了两次，但现在失败了。有同样问题的人吗？

我一直在尝试将语音识别 stt 集成到我的项目中，在尝试了各种之后，我发现 chrome 的原生网络语音 API 是最好的。在性能和准确性方面与谷歌的语音 API 相比如何。

我正在尝试在我的 java 应用程序中使用谷歌语音云 API 版本 2。不知道问题出在哪里，但是当我尝试 URL 和相同的音频时，PHP 中的配置设置有效并且我得到了响应。请帮忙。

代码

回复

使用谷歌语音 API，我们可以使用给定的链接将语音转换为文本。但我已经有一个音频文件，我希望将该文件转换为文本。请帮忙。谢谢你。

短于 1 分钟的音频文件可以毫无问题地转录，但是当我尝试转录较长的文件时，Google Speech API 返回一个空响应。

我使用以下 SoX 命令制作我的 .wav 文件：

该文件按预期播放。运行 SoXi，我得到以下信息：

然后我将它上传到我的 Google 存储，因为文档指出任何大于 1 分钟的文件都必须驻留在 gs 存储桶中，以便 API 转录它。

然后我运行以下代码开始转录操作：

返回的响应是空的。完整的响应如下所示：

表示请求已成功运行并完成，但没有任何实际响应。我哪里错了？

我正在使用 pyaudio 将我的声音录制为 wav 文件。我正在使用以下代码：

我正在为 Google Speech API 使用以下代码，它基本上将 WAV 文件中的语音转换为文本：https://github.com/GoogleCloudPlatform/python-docs-samples/blob/master/speech/api-client/transcribe。 py

当我尝试将 pyaudio 生成的 wav 文件导入 Google 的代码时，出现以下错误：

我为此使用了以下解决方法：我正在使用 ffmpeg 将 WAV 文件转换为 MP3，然后我再次使用 sox 将 MP3 文件转换为 wav：

谷歌的 API 可以处理这个 WAV 输出，但由于质量下降太多，它的表现并不好。

那么如何在第一步使用 pyaudio 创建 Google 兼容的 WAV 文件呢？

现在有没有办法向谷歌发送一个字符串并得到回复？

例子：

发送“现在几点？” 并从谷歌获得一个字符串或音频响应，上面写着“现在是下午 4:32”。

我有一个大学项目，我正在开发一个充当翻译器的 Android 应用程序。对于普通文本翻译，我使用的是 Google Cloud Translation API，我看到他们可以选择使用 Google Cloud Speech API 通过语音翻译文本。问题是我没有起点，也不明白如何使用它。

那么，是否有一个示例说明如何从我的 Android 应用程序中使用 Google Cloud Speech API？

我正在使用 Google Cloud Speech API，如此处所示的Go API。

当我运行示例 ( ./caption audio.raw) 时，我得到了正确的语音识别： "transcript:"how old is the Brooklyn Bridge".

但是实例中的Confidence属性SpeechRecognitionAlternative是 0.000000（空）。这是语音 API 的错误吗？我正在使用此处示例中提供的音频文件。

所以，我正在为客户做一些 POC 的工作。我们需要的一件事是将大型录音转录成文本。我们正在为此尝试谷歌，因为我们过去使用他们的云服务取得了良好的效果。

然而，我们一直遇到的问题是我们在测试中达到了配额，而不仅仅是任何配额。仅限我们 gcloud 存储桶中托管的文件的配额。

我们发送本地文件（在本地文件的限制下），我们很好。

当我尝试使用 gcloud 处理更大的文件时，我收到了这个错误：