问题标签 [video-intelligence-api]

结果，text_annotations大多数边界框的偏移量是 的倍数0.12。最近我们发现一些偏移量现在是随机的倍数0.10，更糟糕的是，有时是0.01.

示例：

我们也有一些棘手的情况，四舍五入会产生一个异常偏移，例如，这里给我们9.81而不是9.80我们需要与0.10增量保持一致：

有人可以澄清偏移的规则，因为我们正在调试盲目尝试考虑所有这些情况。

我们需要满足什么时间增量以及哪些功能使用什么增量？

我知道如何使用 Google Cloud 触发用于对象跟踪/对象检测的视频智能请求，如下所示：

如何触发品牌检测、场景检测、OCR、语音识别和名人识别的相同功能？

我尝试通过 Video Inteligence 使用语音转录，但是我收到以下错误：

这是我的代码：

我该如何解决这个问题？

下面它在谷歌云文档中说：

使用镜头变化检测注释视频 本教程将引导您完成一个基本的视频 API 应用程序，使用一个 SHOT_CHANGE_DETECTION 请求。SHOT_CHANGE_DETECTION 请求提供注释结果：

视频中出现的所有镜头列表，代码如下：

但它没有提到在镜头变化时对场景的检测。

如何使用 Google Cloud Video Intelligence 进行场景检测？

我打算使用 Google Cloud Speech Transcription for Video Intelligence。以下代码仅对视频的部分片段进行分析。

如何自动分析整个视频而不是定义特定片段？

按照此文档，在请求 batchPredict 时，我通过 API 遇到此错误

此外，这是我尝试使用“测试和使用”选项卡时看到的错误的屏幕截图。两者都不是描述性的，所以我不确定错误在哪里。

在请求中，我将我的 CSV 文件的路径包含在 Google 存储中，该文件链接到同一存储桶中的视频。这是 CSV 的内容：

我还包括 /Results 文件夹的路径（在同一个存储桶中）以保存预测。

拨打电话的代码：

如果我需要提供更多详细信息，请告诉我。

我使用谷歌云语音转录如下：

我使用 PostgreSQL 呈现成绩单并将成绩单存储在 Django 对象中，如下所示：

例如，以下是我从示例视频中收到的文本：

在语音转录结果中生成的转录本的预测大小是多少。是什么决定了每个成绩单的大小？最大和最小字符长度是多少？我应该如何设计我的 SQL 表列大小，以便为预期的成绩单大小做好准备？

我的目标是使用语音到文本模型处理多个视频。

令人困惑的是，谷歌有两种似乎做同样事情的产品。

这些产品之间的主要区别是什么？

1. 谷歌云语音转文本：https ://cloud.google.com/speech-to-text/docs/basics

   • Speech-to-Text 具有用于解释音频的“增强视频”模型。

2. 谷歌视频智能：https ://cloud.google.com/video-intelligence/docs/feature-speech-transcription

   • VI 可以选择请求SPEECH_TRANSCRIPTION功能

当我使用 python vcr 运行测试时，我遇到了一个奇怪的谷歌视频智能 api 请求错误。我想知道是否有其他人看到过这个错误，如果有，我们为什么会有这个错误以及如何解决它？

我使用 VCR 来模拟对视频智能 api 的请求。

我使用 pytest 来运行我的测试。

如果我删除 VCR 并重新运行它运行良好，并且如果我在创建 vcr 后再次运行它，它也运行良好。但是过了一会儿，（目前不确定这是几小时还是几天，我会在运行 vcr 时收到以下错误）。

错误如下： -

这是录像机错误

我正在使用 google-cloud-ruby 客户端库，我没有看到任何与当前 google 云视频智能 API 实现相关的示例。我应该从哪里查看用于 ruby​​ 客户端库的谷歌云视频智能 API 的代码示例。