Streaming 谷歌语音文本转换中的25秒延迟

这是我在使用谷歌语音文本引擎时遇到的一个问题。我目前正在以32kB的数据块实时传输16位/16千赫音频。但在发送音频和接收抄本之间平均有25秒的延迟，这与实时抄本的目的背道而驰

为什么会有这么高的延迟？

Google Speech to Text建议使用100毫秒的帧大小来最小化延迟

32kB*（8位/1字节）*（1个样本/16位）*（1秒/16000个样本）=1秒

---

因此，请尝试发送3.2kB块。这将平均延迟从25秒降低到了~4秒。

如果对你有效，你可以接受你自己的好答案吗？你需要等待24小时才能接受你自己的答案。很好的Jacob，对不起，我不知道：）你能详细说明一下这个公式是如何工作的吗？我面临同样的问题，但采样率为44100。使用相同的公式，但将最后一项更改为1/44100。然后做代数运算，算出右边有多少kB会给你100毫秒。谢谢！这些值是千字节还是千位？kB=千字节。这就是你要问的吗？