问题描述
我正在使用“mic-recorder-to-mp3”节点包在 React Web 应用中录制音频。
我使用 MediaInfo 查看使用此库 (here's a sample file) 生成的音频文件,它显示以下信息:
所以它似乎没有损坏或任何东西......但是,当我使用以下代码运行 Google 的 Speech to Text API 时,我收到错误消息:“无效识别 'config':错误编码..”
const client = new speech.SpeechClient();
//configure the request:
const config = {
enableWordTimeOffsets: true,sampleRateHertz: 48000,encoding: 'MP3',languageCode: 'en-US',};
const audio = {
content: fs.readFileSync(filename).toString('base64'),};
const request = {
config: config,audio: audio,};
// Detects speech in the audio file
const [response] = await client.recognize(request);
我不明白这里出了什么问题...任何帮助将不胜感激!
解决方法
我能够重现该问题,似乎使用的编码是根本原因,我使用了 gcloud ml speech recognize
命令,但没有得到任何响应:
gcloud ml speech recognize gs://MY_BUCKET/audioClip.mp3 --language-code=en-US --encoding=linear16 --sample-rate=48000
{}
在那之后,我改变了文件的编码:
ffmpeg -i audioClip.mp3 audioClip.wav
然后我又试了一次,瞧:
gcloud ml speech recognize gs://MY_BUCKET/audioClip.wav --language-code=en-US --encoding=linear16 --sample-rate=48000
{
"results": [
{
"alternatives": [
{
"confidence": 0.7809482,"transcript": "testing testing 1 2 3"
}
]
}
]
}
请注意,根据此 documentation MP3 编码是 Beta 功能,仅在 v1p1beta1 中可用。因此,您应该考虑先转换您的文件,然后再将其发送到 Speech to Text API。