《抖音》专题

我用谷歌语音对文本API构建了一个基于web的语音对文本应用程序。 应用程序流程： 从浏览器获取音频流 将音频数据流式传输到语音识别服务并在我们的用户说话时获得实时结果 我在应用程序中引用了示例代码，streamingRecognize请求与signal客户端调用完美配合，我的服务器可以从googlespeechapi接收临时转录结果。然而，当同时有多个客户端调用StreamingRecognit

我能够使用链接中包含的教程转录音频(https://cloud.google.com/speech-to-text/docs/async-recognize)，但它仅适用于WAV格式的音频。我想让它与MP3或M4A格式的音频一起工作。 我已经测试了链接中包含的所有可能性(https://github.com/GoogleCloudPlatform/java-docs-samples/blob/ma

新的谷歌云语音文本转换API据说是市场上最好的。它是否提供了说话人注释（或其他说话人信息）？比如谁在什么时候说什么。我似乎在它的文档或提供的例子中找不到任何提到它的地方。 IBM和亚马逊都这样做。 如果有人能告诉我，我将不胜感激，谢谢！

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

我正在开发一个用于实时翻译的Python应用程序。我需要实时识别语音：当用户说话时，它会自动将这段音频发送到谷歌语音API并返回文本。因此，我希望在说话时立即显示已识别的文本。 我发现了流式语音识别，但似乎我仍然需要先录制完整的语音，然后将其发送到服务器。此外，没有关于如何在Python中使用它的示例 是否可以使用Google Speech API执行此操作？

我在Google Cloud Console中创建了一个项目，并在此项目中启用了Google Speech API，并创建了凭据。也使用了Google推荐的transcribe.py， https://cloud.google.com/speech/docs/samples https://github.com/GoogleCloudPlatform/python-docs-samples/tre

我想使用Azure Speech服务从麦克风进行语音识别。我有一个使用recognize_once_async（）在Python中顺利运行的程序，但它只能识别具有15秒音频限制的第一个话语。我对这个主题做了一些研究，并检查了MS（https://github.com/Azure-Samples/cognitive-services-speech-sdk/blob/master/samples/py

我正在为基于Xamarin的简单语音识别移动应用程序评估“Bing语音API”及其新兄弟“语音服务”（仍处于预览模式）。 我使用API REST取得了很好的效果，但它的限制持续时间为15秒，这使得它很难应用于连续语音识别和唤醒词。 由于这个原因，我还研究了Bing语音和基于web socket（也称为客户端库）的语音服务SDK。它们在桌面应用程序上运行良好，但似乎与Xamarin不兼容（见下图）。

我正在尝试使用适用于Xamarin Android的Microsoft认知语音从麦克风构建连续语音识别。我认为没有Xamarin的库，所以我稍微修改了“Xamarin。认知。BingSpeech”库（endpoint等）以使其正常工作。我有一些问题 我想通过以下教程连接到microsoft web套接字https://docs.microsoft.com/en-us/azure/cognitive

如何使用REST API（带javascript SDK）Bing语音API实现连续语音识别？ 使用do Javascript SDK示例：https://github.com/Microsoft/Cognitive-Speech-STT-JavaScript只能用麦克风转录短句

我知道“x-webkit-speech”能够进行某种语音识别，实际上识别效果很好。 我发现“x-webkit-语音”有利于开发Q 然而，我正在寻找的是一种在浏览器中执行连续语音识别的方法。例如，如果我在网上听到一个讲座，我想实时转录教授正在谈论的内容。 是否可以使用“x-webkit-speech”？我的感觉是，“x-webkit-speech”在检测到一段很短的静默期时会自动停止，这很烦人。我知

我从https://cloud.google.com/speech/docs/sync-recognize的谷歌云语音api同步语音识别文档中复制了信息到我的代码中，但是当我运行代码时，我收到了很多错误： 这是我的代码： 有人能帮我修复这个错误吗？ 以下是采纳索拉克建议后的第二批错误：

我正在开发google云语音api，我用我的flac文件尝试了他们的api，但他们只是转录了我的flac格式文件的一部分。我能对我的文件做些什么使它完美地工作吗。我试着在他们的链接上测试他们的api。我在请求正文中传递这个 {“audio”：{“uri”：“gs://kami1994/file-1506682082651.flac”}，“config”：{“encoding”：“flac”，“la

我正在尝试从shell命令使用Google的语音识别API，但我遇到了问题。 我的Shell文件包含以下代码： 记录-D plughw： 1,0-q-f cd-t wav-R 16000|flac-f--Best--samplughw=16000-s-otest.flac wget-q-U“Mozilla/5.0”--文件后测试。flac--标题“内容类型：音频/x-flac；速率=16000”-

当我使用我的代码与谷歌语音api交互时，我面临着麻烦。我通过以下链接查阅了参考资料。使用谷歌语音识别API的JAVA 当我使用他的flac文件时，我从google api获取文本，但当我使用我的flac文件时，我得到以下错误完成 我已经从windows录制并使用转换器将其转换为flac。coode如下所示： http://pastebin.com/jWnDRrrf flac文件位于以下链接上 ht