Google Cloud語音文本API-無限等待

Question

我正在嘗試使用Google Cloud語音轉文本API。

從API文檔了解到，我將mp3音頻文件格式轉換為.raw，然后上傳到存儲桶中。

這是我的代碼：

def transcribe_gcs(gcs_uri):
    """Asynchronously transcribes the audio file specified by the gcs_uri."""
    from google.cloud import speech
    from google.cloud.speech import enums
    from google.cloud.speech import types
    client = speech.SpeechClient()

    audio = types.RecognitionAudio(uri=gcs_uri)
    config = types.RecognitionConfig(
        encoding=enums.RecognitionConfig.AudioEncoding.FLAC,
        sample_rate_hertz=16000,
        language_code='en-US')

    operation = client.long_running_recognize(config, audio)

    print('Waiting for operation to complete...')
    response = operation.result()

    # Each result is for a consecutive portion of the audio. Iterate through
    # them to get the transcripts for the entire audio file.
    for result in response.results:
        # The first alternative is the most likely one for this portion.
        print(u'Transcript: {}'.format(result.alternatives[0].transcript))
        print('Confidence: {}'.format(result.alternatives[0].confidence))

transcribe_gcs("gs://cloudh3-200314.appspot.com/cs.raw")

我做錯了什么？

Answer 1

我遇到了類似的問題，這與可接受的格式有關。 即使您可能已轉換為RAW，但格式仍然可能存在問題，如果無法讀取文件，則不會提供輸出。

我最近處理了一個56分鍾的音頻，該音頻花費了17分鍾，因此應該讓您知道應該持續多長時間。

使用sox處理文件，我發現可以使用以下命令運行的轉換參數-

sox basefile.mp3 -r 16000 -c 1 newfile.flac