我正在开发一个用于实时翻译的 Python 应用程序。我需要实时识别语音：当用户说话时，它会自动将这段音频发送到 Google Speech API 并返回一个文本。所以我希望识别的文本在说话时立即出现。
我找到了 Streaming Speech Recognition，但似乎我仍然需要先录制完整的语音，然后将其发送到服务器。另外，没有关于如何在 Python 中使用它的示例
是否可以使用 Google Speech API 做到这一点？
【问题讨论】：
您可以使用 Google Speech API 做到这一点。
但是，它有 1 分钟的内容限制。
请检查下面的链接。
https://cloud.google.com/speech/quotas
所以你必须每 1 分钟重新启动一次。
下面的链接是python的麦克风流示例代码。
https://cloud.google.com/speech/docs/streaming-recognize#speech-streaming-recognize-python
【讨论】：
查看此链接：
https://github.com/Uberi/speech_recognition/blob/master/examples/microphone_recognition.py
这是从麦克风获取音频的示例。识别过程有几个组成部分。以我的经验，Sphinx Recognition 缺乏准确性。 Google 语音识别效果很好。
【讨论】：
使用 Google Speech API 进行实时转录有点麻烦。您可以使用此存储库获得灵感 https://github.com/saharmor/realtime-transcription
它实时转录客户端的麦克风（免责声明：我是作者）。
【讨论】：