Cloud Speech API 流模式识别超过 1 分钟

Question

我正在尝试使用 Cloud Speech API 进行超过 1 分钟的实时语音识别，但同步语音识别的限制仅为每个请求 1 分钟。我试过运行https://github.com/GoogleCloudPlatform/python-docs-samples/blob/speech-continuous/speech/cloud-client/transcribe_streaming_indefinite.py 正如这个问题Multiple StreamingRecognizeRequest的回答所建议的那样，但我收到了这个错误：

File "transcribe_streaming_indefinite.py", line 30, in __init__ 
self._bytes_per_sample = 2 * self._num_channels AttributeError: 
'ResumableMicrophoneStream' object has no attribute '_num_channels''

有人知道如何做到这一点吗？提前谢谢你。

Answer 1

注意：您运行的代码属于非 master 的 Github 分支，因此可能不会更新。

---

有three Speech-to-Text main methods进行语音识别：

同步识别：将音频数据发送到 Speech-to-Text API，对该数据执行识别，并在处理完所有音频后返回结果。请求仅限于时长为 1 分钟或更短的音频数据。

异步识别：将音频数据发送到 Speech-to-Text API 并启动长时间运行的操作。对最长 180 分钟的任何持续时间的音频数据使用异步请求。

流识别：对 gRPC 双向流中提供的音频数据执行识别。流式传输请求旨在用于实时识别目的，例如从麦克风捕获实时音频。流式识别在捕获音频时提供临时结果，例如，当用户仍在说话时，结果会出现。

如果您尝试进行实时语音识别，您最好的选择是流式识别。这是demo file，你可以试试。

如果你想测试其他两种方法有other demos in the repository for them。

关于音频files with more than 1 minute in duration。同步识别只能处理不到一分钟的音频文件。异步识别可以处理长达 180 分钟的音频文件，但您必须从 GCS 提供它们。对于流式识别，如果要处理持续时间超过一分钟的音频文件，则需要分批进行。

Google 提供了一些用于测试目的的音频样本，它们存储在 cloud-samples-test 存储桶中。您可以使用以下命令显示它们的列表：

gsutil ls gs://cloud-samples-tests/speech