Speech recognition 谷歌云语音API：如何获得超过1分钟的音频全文转录？

我使用Google Cloud Speech API（LongRunningRecognite）成功获得了5分钟音频的成绩单和备选方案，但我没有得到这5分钟的全文，只是一个小成绩单，如下所示：

{
  "name": "2340863807845687922",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
    "progressPercent": 100,
    "startTime": "2018-09-20T13:25:57.948053Z",
    "lastUpdateTime": "2018-09-20T13:28:18.406147Z"
  },
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeResponse",
    "results": [
      {
        "alternatives": [
          {
            "transcript": "I am recording it. I think",
            "confidence": 0.9223639
          }
        ]
      },
      {
        "alternatives": [
          {
            "transcript": "these techniques properly stated",
            "confidence": 0.9190353
          }
        ]
      }
    ]
  }
}

---

如何获得由转录生成的全文？

使用谷歌语音API是一件非常痛苦的事情。除了不能翻译长文件外，他们还随机地从转录中跳过大块音频。可能的解决办法是：

使用语音活动检测和语音识别将音频分块 分别转录每一段

使用更合理的服务，如演讲，他们将处理大文件，没有任何问题，更准确

使用开源语音识别器，比如Kaldi

---

我成功地解决了这个问题。我必须使用ffmpeg正确转换文件：

$ ffmpeg -i /home/user/audio_test.wav -ac 1 -ab 8k audio_test2.wav

***消除沉默：

sox audio_test2.wav audio_no_silence4.wav silence -l 1 0.1 1% -1 2.0 1%

并修复我的sync-request.json：

{"config": {
      "encoding":"MULAW",
      "sampleRateHertz": 8000,
      "languageCode": "pt-BR",
      "enableWordTimeOffsets": false,
    "enableAutomaticPunctuation": false,
 "enableSpeakerDiarization": true,
    "useEnhanced": true,
`enter code here`"diarizationSpeakerCount":2,
 "audioChannelCount": 1},
  "audio": {
      "uri":"gs://storage/audio_no_silence4.wav"
  }
}

---

然后运行

curl

。它现在工作得很好。

谷歌云语音到文本提供了非常准确的结果。对于一些较长的音频，它提供了您观察到的成片的转录本，作为一系列备选方案。我所做的是在我的识别配置中设置MaxAlternatives=1，然后连接Alternations数组以获得完整的转录本。下面给出了我使用Google.Cloud.Speech.V1在c#中的识别配置

var config = new RecognitionConfig()


{
    Encoding = RecognitionConfig.Types.AudioEncoding.Linear16,
    //SampleRateHertz = 16000,
    LanguageCode = "en",
    EnableWordTimeOffsets = true,
    MaxAlternatives = 1
 };