Google Cloud Speech API Echtzeiterkennung

Question

Ich entwickle eine Python-Anwendung für die Echtzeit-Übersetzung. Ich muss Sprache in Echtzeit erkennen: Wenn der Benutzer etwas sagt, sendet er automatisch dieses Stück Audio an die Google Speech API und gibt einen Text zurück. Also möchte ich, dass der erkannte Text sofort beim Sprechen erscheint.

Ich habe Streaming-Spracherkennung gefunden, aber es scheint, dass ich immer noch die vollständige Rede zuerst aufzeichnen und dann an den Server senden muss. Außerdem gibt es keine Beispiele für die Verwendung in Python

Ist es möglich, dies mit Google Speech API zu tun?

Answer 1

prüft Link aus:

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

Dies ist ein Beispiel für die Audiosignale vom Mikrofon zu erhalten. Es gibt mehrere Komponenten für den Erkennungsprozess. Nach meiner Erfahrung fehlt der Sphinx Recognition Genauigkeit. Die Google Spracherkennung funktioniert sehr gut.

Answer 2

Sie können es mit Google Speech API tun.

Aber es hat eine 1-Minuten-Inhaltsgrenze.

Bitte überprüfen Sie den folgenden Link.

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

So haben Sie alle 1 Minute neu starten.

und der Link unten ist Beispielcode von Mikrofon Streaming von Python.

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