问题标签 [google-speech-api]

目前我正在使用 Google Speech API，我遵循JARVIS (Java-Speech-API)。它对我来说工作得很好，但我每天只能做 50 次查询，有什么办法可以增加每天的查询次数。

请为此提出一些建议。

Google Speech API 文档中的 Node JS 示例适用于 v1 并且不起作用。即使我使用 1 通道 16000Hz FLAC，它也只会返回一个空响应。

我也试过这个包 - https://www.npmjs.com/package/google-speech但我无法让身份验证工作，即使我使用了正确的密钥。

如果有人知道 v2 API 的工作节点示例，我将不胜感激，我似乎找不到。

我想使用手动放入 /node_modules/ 的模块，我只需复制/粘贴文件并使用 npm 安装依赖项，我使用的是 NWJS 0.16.0。

当我输入var speech = require('speech')我的 app.js（或其他任何地方）时，我收到以下错误 - Uncaught Error: Cannot find module 'speech'.

我尝试做var speech = require('/node_modules/speech')，var speech = require('./node_modules/speech')甚至完整路径C:\\...\\project\\node_modules\\speech，结果相同。

如果有人知道我可能做错了什么，我将不胜感激。

npm install -g ./speech没有结果

注意：这是 Google Cloud Speech API

我想从手机录制音频，然后将其发送到谷歌语音非流媒体 API。我可以使用 Capture.captureAudio() 进行录制，但是我不知道音频编码和采样率是什么，因为api 请求需要它们。如何获取音频编码和采样率，以便我可以将它们与我的 API 请求一起发送？

将 json 字符串发布到 google 语音 api 时，我很难将 FLAC 音频文件编码为 base64。我注意到谷歌的回复中有一些 \n，不确定 base64 是否不够好，或者我可能没有完全掌握如何构建这样的字符串并使它们 json-y 足以满足谷歌。我倾向于 utf-8 编码，但我最后一次尝试进一步处理要发送的信息给我留下了来自 perl 的大量其他错误消息。任何指针都会有很大的帮助！（即使指针是放弃我自己这样做并向谷歌支付支持费）

我的代码是：

我正在尝试在 PHP 中使用 Google 语音 API 从音频中读取文本，但它失败并显示以下内容：请求必须包含“配置”字段。

这是代码：

我收到以下信息：

我找不到任何 PHP 文档，因此将不胜感激。

我正在尝试将 mp4 视频剪辑转换为 FLAC 音频文件，然后让谷歌语音从视频中吐出单词，以便我可以检测是否说出了特定的单词。

除了从 Speech API 收到错误外，我一切正常：

我正在使用 FFMPEG 将 mp4 转换为 FLAC 文件。我在命令中指定 FLAC 文件为 16 位，但是当我右键单击 FLAC 文件时，Windows 告诉我它是 302kbps。

这是我的PHP代码：

我想使用谷歌语音 api 将音频转换为文本。Google Speech API 适用于小于或等于 16 秒的音频，但不适用于大于 16 秒的音频。关于此 API 支持多长音频转换的任何想法。

如果我购买，它们是否支持更长的音频转换？

任何指针都受到高度赞赏。

I am working on an android application where the application listens for the Japanese words and translate it into English and prints it on the screen.

I am using the Google Speech To Text Listener. But the problem is that it stops listening after a few seconds and I have to start the listener again.

Moreover, Is it possible to get a single accurate result rather than an array from the Listener?

This is my intent initialization code.

我开始使用谷歌语音 api 来转录音频。

正在转录的音频包含一个接一个地说出的许多数字。

例如 273 298

但转录回来了 270-3298

我的猜测是它将其解释为某种电话号码。

我想要的是未解析的输出，例如“二七十三二九十八”，我可以自己处理和解析。

有这种东西的设置或支持吗？

谢谢