Python语音识别与谷歌云语音API

Question

我正在玩Google Cloud Speech API。我想知道我是否使用python语音识别库并调用google cloud语音API，这仍然是使用API的有效方式吗？我只想转录文本。

我对它们之间的区别感到困惑，如果我只想转录音频，是否有任何建议的方法。

使用Python语音识别：

import speech_recognition as sr
r = sr.Recognizer()
r.recognize_google_cloud()
harvard = sr.AudioFile('harvard.wav')
with harvard as source:
   audio = r.record(source)
r.recognize_google(audio)

不使用Python SpeechRecognition：

from google.cloud import speech_v1 as speech


def speech_to_text(config, audio):
    client = speech.SpeechClient()
    response = client.recognize(config, audio)
    print_sentences(response)


def print_sentences(response):
    for result in response.results:
        best_alternative = result.alternatives[0]
        transcript = best_alternative.transcript
        confidence = best_alternative.confidence
        print('-' * 80)
        print(f'Transcript: {transcript}')
        print(f'Confidence: {confidence:.0%}')


config = {'language_code': 'en-US'}
audio = {'uri': 'gs://cloud-samples-data/speech/brooklyn_bridge.flac'}

Answer 1

Google Cloud Client库是以编程方式访问Cloud API的推荐选项：

• 提供每种语言的惯用、生成或手写代码，使Cloud API使用简单直观。
• 处理与服务器通信的所有低级细节，包括与Google进行身份验证。
• 可以使用熟悉的包管理工具（例如npm和pip）进行安装。
• 在某些情况下，通过使用gRPC为您提供性能优势。您可以在下面的gRPC API部分中找到更多信息。

此外，要了解从API中获得更好结果的最佳实践。

Answer 2

如果你只计划使用谷歌云平台进行语音识别，那么SpeechClient会更好，因为它是由谷歌维护的。

如果您想尝试不同的语音识别服务，speech\u recognition会有所帮助，因为它更通用。

任何调用api的方式都可以。库只是为了让您更轻松。