Python 谷歌云语音到文本不为OGG&；提供输出；MP3文件

我试图在一堆超过10分钟长的音频文件上执行语音到文本转换。我不想因为直接上传wav文件而浪费云存储桶上的存储空间。因此，我使用

ffmpeg

将文件转换为ogg或类似mp3的格式：

ffmpeg-y-i audio.wav-ar 12000-r 16000 audio.mp3

ffmpeg-y-i audio.wav-ar 12000-r 16000 audio.ogg

出于测试目的，我在一个虚拟wav文件上运行了speech-to-text服务，它似乎可以工作，我得到了预期的文本。但由于某些原因，当我使用ogg或mp3文件时，它没有检测到任何语音。我也不能让amr文件工作

我的代码：

def transcribe_gcs(gcs_uri):
    client = speech.SpeechClient()

    audio = speech.RecognitionAudio(uri=gcs_uri)
    config = speech.RecognitionConfig(
        encoding="OGG_OPUS", #replace with "LINEAR16" for wav, "OGG_OPUS" for ogg, "AMR" for amr
        sample_rate_hertz=16000,
        language_code="en-US",
    )
    print("starting operation")
    operation = client.long_running_recognize(config=config, audio=audio)
    response = operation.result()
    print(response)

我已经正确设置了身份验证，所以这不是问题

当我在同一个音频上运行语音到文本服务，但使用ogg或mp3（我只是从mp3的配置中注释出编码设置）格式时，它不会给出响应，只是打印一个换行符并完成

我能做些什么来解决这个问题？

使用Opus或FLAC

• Vorbis（OGG容器的默认音频格式）不受支持。看
• MP3编码是测试版功能，仅在v1p1beta1中可用。有关详细信息，请参阅

FLAC FLAC是压缩的，但是无损的。这将产生最佳的语音文本转换结果

ffmpeg-i input.wav-vn output.flac

作品 如果文件空间非常重要，那么在OGG中使用Opus。它可以制作小文件大小和卓越的质量

ffmpeg-i input.wav-vn-c:libopus output.ogg

1.）能否运行

ffmpeg-i audio.ogg

并检查编码是否为Vorbis？如果是Vorbis而不是Opus，ffmpeg没有正确地将其编码到.ogg。您可以尝试使用进行转换。2.）您是否正在使用

speech_v1p1beta1

运行识别？不确定我正在运行的语音版本。是的，它是VORBIS1。您可以在脚本中检查导入方式（

来自google.cloud import speech_v1p1beta1 as speech

），如果您导入v1p1beta1，它应该支持MP3。如果没有，它将不支持MP3。