Google Cloud Speech API实时识别

Question

我正在开发用于实时翻译的Python应用程序。 我需要实时识别语音：当用户说出某些内容时，它会自动将这段音频发送到Google Speech API并返回文本。 因此，我希望识别的文本在讲话时立即出现。

我已经找到了流语音识别，但似乎仍然需要先记录完整的语音，然后再将其发送到服务器。 此外，也没有在Python中使用它的示例

使用Google Speech API可以做到这一点吗？

Answer 1

您可以使用Google Speech API来实现。

但是，它有1分钟的内容限制。

请检查下面的链接。

https://cloud.google.com/speech/quotas

因此，您必须每1分钟重新启动一次。

下面的链接是python通过麦克风流式传输的示例代码。

https://cloud.google.com/speech/docs/streaming-recognize#speech-streaming-recognize-python

Answer 2

检查此链接：

https://github.com/Uberi/speech_recognition/blob/master/examples/microphone_recognition.py

这是从麦克风获取音频的示例。 识别过程有几个组成部分。 以我的经验，狮身人面像识别缺乏准确性。 Google语音识别效果很好。