Google-Sprachdienst - nicht Transkription Rückkehr

Question

Ich bin mit der sample code provided here und haben mit der Umsetzung folgende:

{"name": "3202776140236290963"} 
Waiting for server processing... 
Waiting for server processing... 
{ 
    "@type": "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeResponse" 
} 

Und mein zurückgegebene Objekt ist:

# [START import_libraries] 
import argparse 
import base64 
import json 
import time 
from oauth2client.service_account import ServiceAccountCredentials 
import googleapiclient.discovery 
import googleapiclient as gac 
# [END import_libraries] 


# [START authenticating] 


# Application default credentials provided by env variable 
# GOOGLE_APPLICATION_CREDENTIALS 
def get_speech_service(credentials): 
    return googleapiclient.discovery.build('speech', 'v1beta1',credentials = credentials) 



def main(speech_file): 
    """Transcribe the given audio file asynchronously. 
    Args: 
     speech_file: the name of the audio file. 
    """ 
    # [START construct_request] 
    with open(speech_file, 'rb') as speech: 
     # Base64 encode the binary audio file for inclusion in the request. 
     speech_content = base64.b64encode(speech.read()) 

# print speech_content 

    scopes = ['https://www.googleapis.com/auth/cloud-platform'] 

    credentials = ServiceAccountCredentials.from_json_keyfile_name(
     '/Users/user/Documents/google_cloud/myjson.json', scopes) 

    service = get_speech_service(credentials) 
    service_request = service.speech().asyncrecognize(
     body={ 
      'config': { 
       # There are a bunch of config options you can specify. See 
       # https://cloud.google.com/speech/reference/rest/v1beta1/RecognitionConfig for the full list. 
       'encoding': 'LINEAR16', # raw 16-bit signed LE samples 
       'sampleRate': 16000, # 16 khz 
       # See http://g.co/cloud/speech/docs/languages for a list of 
       # supported languages. 
       'languageCode': 'en-US', # a BCP-47 language tag 
      }, 
      'audio': { 
       'content': speech_content.decode('UTF-8') 
       } 
      }) 
    # [END construct_request] 
    # [START send_request] 
    response = service_request.execute() 
    print(json.dumps(response)) 
    # [END send_request] 

    name = response['name'] 
    # Construct a GetOperation request. 
    service_request = service.operations().get(name=name) 

    while True: 
     # Give the server a few seconds to process. 
     print('Waiting for server processing...') 
     time.sleep(1) 
     # Get the long running operation with response. 
     response = service_request.execute() 

     if 'done' in response and response['done']: 
      break 

    # First print the raw json response 
    print(json.dumps(response['response'], indent=2)) 

    # Now print the actual transcriptions 
    out = [] 
    for result in response['response'].get('results', []): 
     print 'poo' 
     print('Result:') 
     for alternative in result['alternatives']: 
      print(u' Alternative: {}'.format(alternative['transcript'])) 
     out.append(result) 
    return response 

r = main("/Users/user/Downloads/brooklyn.flac") 

Doch mein Druck ist folgendes

{u'done': True, 
u'metadata': {u'@type': u'type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeMetadata', 
    u'lastUpdateTime': u'2017-03-25T15:54:46.136925Z', 
    u'progressPercent': 100, 
    u'startTime': u'2017-03-25T15:54:44.514614Z'}, 
u'name': u'2024312474309214820', 
u'response': {u'@type': u'type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeResponse'}} 

Auf meinem Konsolenbildschirm sehe ich die Anfragen über:

Ich bin nicht sicher, warum ich nicht die richtige Transkription aus der Beispieldatei zurückbekomme.

Jede Eingabe wird geschätzt!

Answer 1

Nun Ihre Konfigurationsoptionen haben die folgenden:

 'config': { 
      # There are a bunch of config options you can specify. See 
      # https://cloud.google.com/speech/reference/rest/v1beta1/RecognitionConfig for the full list. 
      'encoding': 'LINEAR16', # raw 16-bit signed LE samples 
      'sampleRate': 16000, # 16 khz 
      # See http://g.co/cloud/speech/docs/languages for a list of 
      # supported languages. 
      'languageCode': 'en-US', # a BCP-47 language tag 
     }, 

Sie sind jedoch mit einer FLAC Datei:

r = main("/Users/user/Downloads/brooklyn.flac") 

https://cloud.google.com/speech/reference/rest/v1beta1/RecognitionConfig Zitiert:

LINEAR16

Unkomprimierte 16-Bit-Little-Endian-Abtastwerte (Linear PCM). Dies ist die einzige Kodierung, die von speech.asyncrecognize verwendet werden kann.

FLAC

Dies ist die empfohlene Codierung für speech.syncrecognize und StreamingRecognize, weil es eine verlustfreie Komprimierung verwendet; Daher wird die Erkennungsgenauigkeit nicht durch einen verlustbehafteten Codec beeinträchtigt.

Mit anderen Worten: Sie nicht FLAC mit speech.asyncrecognize verwenden können, können Sie Ihre Probe zu Linear PCM umcodieren müssen zuerst oder speech.syncrecognize mit FLAC Codierung Option verwenden.