问题标签 [google-speech-to-text-api]

I'm using firebase cloud functions to transcribe user-uploaded audio files with the example code for longRunningRecognize:

This code works fine for short audio files that can be transcribed faster than the 9-minute firebase cloud function maximum execution limit, but 1) many of my ~hour-long user-uploaded files don't get transcribed that quickly, and 2) it seems wasteful to have a cloud function getting billed for each tenth of a second it's running just sitting around waiting for an API response.

I think the obvious fix here would be for Google's Speech-to-Text API to support webhooks.

Until that happens, how can I serialize and deserialize the SpeechClient operation so I can get the result of this transcription job later from a scheduled function?

Specifically, I'm looking for something that would work like the made-up SERIALIZE and DESERIALIZE functions in this example:

我确信有很多人有相同的查询，我想同时执行 2 行。不是两个脚本同时使用 PHP 编码。例如，我有一个文件必须发送到 google API 以进行语音识别，同时我想执行另一行，我不希望我的程序等待 API 给出响应然后执行。

通常上述语句需要 3 到 4 秒才能响应，我希望另一行像播放录音一样同时执行。

让我知道你的意见和想法。

注意：我不是 PHP 程序员，我只是一个试图学习 PHP 的系统管理员。

我正在尝试优化 Node.js 应用程序中的 Speech to Text 调用值。我正在尝试确定它们是否是当前的最佳实践。

我了解 Speech to Text 推荐采用 16,000Hz 采样率的 LINEAR16 编码，但这对于以 8000hz 发送且目前 Twilio 仅提供 MULAW 编码的 VOIP 是不可能的。

我想知道的是用于“模型”“use_enhanced”和“信心”的值是好的？

我在python中使用谷歌语音到文本API来使用这个函数将语音转换为文本

我的问题是这些数据是否存储在谷歌中？这些是非常敏感的数据，我不希望它们存储在谷歌云中。我在他们的文档中发现，默认情况下，Speech-to-Text 不会记录客户音频数据或转录本。为了帮助 Speech-to-Text 更好地满足您的需求，您可以选择加入数据记录程序。

我正在尝试使用来自谷歌的语音到文本云库。当我在命令行上使用此命令时：

它返回读取的文本，但没有国家字符，在这种情况下它返回：

所有国家字符都替换为 ? 特点。

我在 api doc 中搜索语音到文本，但看起来，没有设置返回字符集的参数。有谁知道，如何获得与民族字符的结果？谢谢你的帮助。

我的问题

我正在使用Uberi 的 python 语音识别库来将 .wav 音频文件转录为纯文本。但是，当我使用 Google Speech Recognition 运行我的代码时，我得到了一个 RequestError。
对于这个（特定的）错误，我在语音识别 GitHub 上发现了一个Opened Issue，但没有任何答案。

我该如何解决这个问题？我知道我可以尝试使用不同的引擎来代替 Google；但是看起来他们都需要一个密钥，我希望在没有密钥的情况下转录我的文件。

我的代码

错误

speech_recognition.RequestError: recognition request failed: Bad Request

一个主意

一个可能的原因可能是我的 .wav (~ 1 GB) 的大小。稍后我将尝试使用一个小的 .wav 运行我的代码来检查它。

我用 Angular/websockets/node js 和谷歌语音转文本 api 构建了一个语音识别系统。

我在几乎所有单词上都表现得很好，但是“no”这个词确实存在问题 - 似乎“no”这个词甚至没有传递给 API，因为没有中间结果发生。对于诸如“是”之类的词、更长的词或偶数（1、2、3 等）不会出现此问题。

IE th .on('data', (data) => {ofstreamingRecognise什么都不输出 - 似乎直到它“听到”诸如“是”、“你好”等词，但不是“不”而没有很多 umph。

有任何想法吗？

配置：

我使用此处提供的示例创建了一个使用 bot 框架 (.net) 和应用程序托管媒体的机器人。Bot 参加 Microsoft Teams 中的任何传入点对点或组呼叫。AudioMediaReceived在会议期间，当参与者在示例中提供的类内的事件处理程序中发言时，我能够接收音频缓冲区CallHandler.cs。现在我想从中生成成绩单。我想要一些关于：

这可以在会议结束时完成吗，我很困惑，因为它在许多地方 ( 1 )( 2 )

“您不得使用此 SDK 记录或以其他方式保存您的机器人访问的通话或会议中的媒体内容”

.

这适合什么场景？是否可以从收到的字节数组（UnmixedAudioBuffer 数据）中生成 wave(.wav) 文件，并在会议结束时将其用于转录？

由于我们以非常快的速度接收音频帧（每秒 50 帧），如果我要异步实时生成脚本，我应该怎么做。是关于将缓冲区数据转换为 .wav 还是在内存流中并使用一些云语音服务/API？有微软提供的语音服务和谷歌云提供的语音转文本资源。非常感谢您的指导。

首先感谢您的关注

我正在尝试使 google 语音到文本 API 文档示例在我使用 Nuxt.js 创建的网站中工作。以下 Javascript 代码在 Express.js / Node.js 的 serverMiddleware 中运行，并与我在 localhost 中的所有 Nuxt 项目一起运行。

如您所见，这里没有什么不可思议的；只有谷歌文档的测试示例略有变化，但没有任何错误。

我的错误来自计费。它说 ：ERROR 7 PERMISSION_DENIED: The billing account for the owning project is disabled in state closed

我尝试在 Google Cloud Platform 控制台中重新创建一个新项目，其中包含新的结算信息和一个全新的服务帐户。服务帐户文件已正确设置为我的项目及其 env 变量，对我来说一切似乎都很好。

我向谷歌帮助聊天寻求帮助，助手对我说：

我实际上已经检查了这个项目，并且可以确认与此关联的计费帐户已经处于活动状态并且信誉良好。另外，我可以在这里看到你是它的项目所有者，所以你应该能够访问它。

所以我真的不知道我能做什么。作为备份解决方案，我正在尝试使用简单的 API 密钥使其工作，但如果有人可以帮助我使服务帐户工作，这对我来说将是最好的方法。

感谢您的帮助，祝您有美好的一天！

我在 Flutter 中有一个适用于 Android 和 iOS 的应用程序。在 iOS 上一切都很完美。但在 Android 上，我在语音转文本方面遇到了一些问题......

我正在使用这个插件：https ://pub.flutter-io.cn/packages/speech_to_text/

我的 Android 代码是：

每隔 11 秒，我就会使用以下代码再次开始收听：

但是，一旦我开始 lisening，我就会得到以下日志：

该代码与之前工作的代码相同，它甚至不会在每次 lisening 工作之前发出“哔”声。android 政策或插件版本是否有任何变化可能导致此问题？

同样在主文件夹和调试文件夹的 AndroidManifest.xml 中，我有：