Google云语音API:如何获得超过1分钟的音频的全文转录?

1. 使用语音活动检测和
2. 使用更合理的服务,如演讲,他们将处理大文件没有任何问题,以更好的准确性
3. 使用开源的语音识别器,比如Kaldi。

我成功地解决了这个问题。我必须用ffmpeg正确地转换文件:

$ ffmpeg -i /home/user/audio_test.wav -ac 1 -ab 8k audio_test2.wav

***消除沉默:

sox audio_test2.wav audio_no_silence4.wav silence -l 1 0.1 1% -1 2.0 1%

并修复我的sync-request.json:

{"config": {
      "encoding":"MULAW",
      "sampleRateHertz": 8000,
      "languageCode": "pt-BR",
      "enableWordTimeOffsets": false,
    "enableAutomaticPunctuation": false,
 "enableSpeakerDiarization": true,
    "useEnhanced": true,
`enter code here`"diarizationSpeakerCount":2,
 "audioChannelCount": 1},
  "audio": {
      "uri":"gs://storage/audio_no_silence4.wav"
  }
}

curl 之后。它现在工作得很好。

谷歌云语音到文本提供了非常准确的结果。对于一些长的音频,它提供了成片的成绩单,作为你观察到的一系列备选方案。我所做的是在我的识别配置中设置MaxAlternatives=1,然后连接alternatives数组以获得完整的转录本。下面给出了我在c#中使用Google.Cloud.Speech.V1的识别配置

var config = new RecognitionConfig()


{
    Encoding = RecognitionConfig.Types.AudioEncoding.Linear16,
    //SampleRateHertz = 16000,
    LanguageCode = "en",
    EnableWordTimeOffsets = true,
    MaxAlternatives = 1
 };