谷歌语音到文本无法正常使用非常短的音频（单个单词）

Question

我正在使用流式音频以及 wav 文件测试 google Speech-to-Text API。 我正在使用来自电话的音频：8000 采样率，8 位，mulaw 编码。 Google 配置已正确设置。

当我使用正常序列对其进行测试时，它会返回正确的转录。 然而，当我说一个词（尤其是一个数字）时，我经常没有从 api 获得响应 -> 就好像它没有输入一样。流式转录和批量转录都会发生这种情况。

有人知道为什么会这样吗？如何解决？

Answer 1

Cloud Speech-to-Text API best practices 建议使用无损编解码器，如 FLAC 或 LINEAR16。我使用 LINEAR16 进行了验证，它适用于数字的单个单词。所以解决方案是对音频进行转码。