谷歌云语音api返回空结果

Question

我一直在使用Chromium谷歌语音API，最近我改用谷歌云语音API。自从Google云语音API发布以来，其性能在识别准确率方面似乎有所下降。此外，我还看到越来越多的“空结果”返回音频流。

我同时将音频流传输到多个不同的服务，谷歌云语音API返回空结果，而其他一些服务返回转录文本。让我想知道Chromium语音API和Google Cloud语音API的工作方式是否有任何改变？

我验证了音频的标题是否正确，并验证了我正在将音频流式传输到Google。

有没有人觉得谷歌有时（更像大多数时候）会返回空结果？

Answer 1

我也有同样的问题，谷歌语音API返回了空结果。我使用FFmpgeg将音频文件转换为LINEAR16。为了安装此工具，我使用了自制软件：

brew install ffmpeg

为了将音频文件转换为LINEAR16，我使用了以下命令：

ffmpeg -i input.flac -f s16le -acodec pcm_s16le output.raw

在我把它加载到我的谷歌存储后：https://console.cloud.google.com/storage/browser/

这是我的JSON文件，配置用于发出请求：

{
  'config': {
      'encoding':'LINEAR16',
      'sampleRate': 16000,
      'languageCode': 'en-US'
  },
  'audio': {
      'uri':'gs://your-bucket-name/output.raw'
  }
}

对于超过1分钟的文件，需要使用AsyncRecognite方法：

curl -s -k -H "Content-Type: application/json" \
-H "Authorization: Bearer [YOUR-KEY]" \
https://speech.googleapis.com/v1beta1/speech:asyncrecognize \
-d @sync-request.json

它将返回操作id。您可以通过获取操作结果来检查它是否准备就绪：

curl -s -k -H "Content-Type: application/json" \
-H "Authorization: Bearer " [YOUR-KEY]\
https://speech.googleapis.com/v1beta1/operations/[OPERATION-ID]

Answer 2

我也收到了空的回复，但最终通过使用不同的设置进行编码得到了结果。

soxasync.wav-t原始频道=1-位=16-速率=16000-编码=符号整数-endian=小async.raw

Answer 3

这种类型的问题更适合公共问题跟踪器，因为它需要更多详细信息才能重现您的确切错误。请确保在此表格中填写所需信息，或者至少填写一个清晰突出问题的代码的最小工作示例。为了准确复制，重要的是提供您执行的示例代码或命令，这些代码或命令与配置文件和您流式传输的音频文件的URI（或多个文件）一起返回错误，并返回空结果。

事实上，目前处于测试阶段的语音API存在已知问题，因此可能会阻止转录正常工作。同时，您可以参考以下文档，以确定是否有任何最佳做法适用于您的案例。