如何加速谷歌云语音

Question

我使用的麦克风通过浏览器录制声音，将其转换为文件并将文件发送到java服务器。然后，我的java服务器将文件发送到云语音api并给我转录。问题是转录超长（2秒对话约为3.7秒）。

所以我想加快转录速度。首先要做的是流式传输数据（如果我在记录开始时开始转录。问题是我并不真正了解api。例如，如果我想从源（浏览器/麦克风）转录我的音频流，我需要使用某种JS api，但我找不到任何可以在浏览器中使用的东西（我们不能使用这样的节点，是吗？）。

否则，我需要将我的数据从我的js流式传输到我的java（不知道如何在不破坏数据的情况下做到这一点......），然后从那里将其推送到流识别文件：https://github.com/GoogleCloudPlatform/java-docs-samples/blob/master/speech/cloud-client/src/main/java/com/example/speech/Recognize.java

但是它需要一个文件作为输入，那么我应该如何使用它呢？我真的不能告诉系统我是否完成了记录。。。它将如何理解这是转录的结束？

我想在我的web浏览器中创建一些东西，就像那里的google演示：https://cloud.google.com/speech/

我认为关于使用流式api的方法，有一些基本的东西我不了解。如果有人能解释一下我应该如何处理这件事，那将是欠我的。

非常感谢。

Answer 1

谷歌“语音到文本通常处理音频的速度比实时快，平均在15秒内处理30秒的音频”[1]。您可以使用Google API Explorer来测试每个请求需要多长时间。

为了加快转录速度，您可以尝试向请求中添加识别元数据[3]。如果你知道演讲的上下文，你可以提供短语提示。或者使用增强模型来使用一组特殊的机器学习模型[5]。所有这些建议都将提高准确性，并可能影响转录速度。

使用流式识别时，在config中，您可以将SingleOutrance选项设置为True。这将检测用户是否暂停讲话并停止识别。如果没有，流式处理请求将持续到内容限制，即流式处理请求的音频长度为1分钟[6]。