问题标签 [google-speech-to-text-api]

有人知道 Google STT 的最低限制吗？我在互联网上找不到东西我试图测试 STT 一个简短的样本，我说一个词，但它没有用

我试图从一个随机的 youtube 视频中获取文本只是为了试用 API，但它没有返回任何内容。使用此存储库中的示例文件“audio.raw”时，它确实有效。 https://github.com/GoogleCloudPlatform/golang-samples/tree/master/speech/testdata

我正在使用的 youtube 视频：https ://www.youtube.com/watch?v= liAsT4DqalQ 英文很清晰，我在本地拥有的音频版本很清晰。该文件的类型是 webm 也许这就是问题所在，我尝试使用 m4a 文件但没有运气：x

我的代码就像 async simple 中的代码一样，真正奇怪的部分是我没有收到任何错误...

上下文：我有一个原始格式为 OGG_OPUS 的录制音频流的 URL。我将其音频从 URL 转换为字节流（根据 Google API 的要求 - https://cloud.google.com/speech-to-text/docs/reference/rest/v1p1beta1/RecognitionAudio）。

当我将此字节流提供给 Google Speech-to-text API 时，我收到一个空响应！！

问题：

1. 为什么 Google API 在这里返回 Null 响应？
2. Google API 真的支持 OGG_OPUS 格式的音频输入吗？

代码块

我正在做一个需要访问 Gcloud 服务帐户的项目。但是，我一直遇到身份验证问题。这是我的命令提示符下的以下错误：

我的命令：

输出：

目前，我做了以下事情：我设置了我的环境变量“GOOGLE_APPLICATION_CREDENTIALS”来保存我的服务帐户的 JSON 密钥文件的路径，我在密钥文件所在的目录中打开了我的 cmd，我运行了命令。还有什么我想念的吗？

我关注的文档来自https://cloud.google.com/docs/authentication/production#windows

在 Google 语音算法页面 ( https://cloud.google.com/speech-to-text ) 上有一个“演示”部分，可以在其中上传文件并检查结果。使用 beta 功能我能够获得更好的结果，但我无法使用@google-cloud/speech库为同一个视频文件获得类似的结果。

这些是它在演示部分中显示的配置：

它在模型选项卡下显示的最佳结果Video，所以我假设default模型应该替换为video，尽管它也无济于事。

这是测试功能的代码：

有谁知道什么可以有所作为？谢谢

我收到“请求的身份验证凭据无效”错误。这就是我所做的：

在 Windows 机器上。

做“gcloud auth application-default print-access-token”会给我一个回应。我还设置了 GOOGLE_APPLICATION_CREDENTIALS。

这里有什么问题？

这是我的代码

将 Speech_recognition 导入为 sr 导入操作系统

def speech_to_text（speech_to_text_name）：

#调用识别器() r = sr.Recognizer()

我也需要将句子分开。我怎样才能做到这一点？？

在设置了我知道是 100% 正确的凭据后，我将问题归结为SpeechClientBuilder类的函数.Build()，因为我检查了并且它们在编辑器上运行代码时工作。

我正在尝试使用 for 循环从音频文件中获取内容来遍历文件的内容，但我得到的是文本的最后一行。我确定问题出在 main.py 的主代码中，我不知道可能出了什么问题。这是一些代码：

我想使用带有 Nodejs 的谷歌云语音 API 开发流输入应用程序的语音到文本转换。因此，我使用了 Google 示例源并在我的 Window PC 中安装了 SOX（版本 14.4.1）记录器，并且在本地运行 Nodejs 应用程序运行良好。但是当我使用 Linux 服务器在 Google Compute Engine 上上传我的 Nodejs 应用程序时，SOX 的音频设备无法正常工作。错误是【FAIL sox: missing filename】。如何从客户端接收音频？有没有办法解决Linux中的上述错误？应用程序.js

错误