对于 MP3 文件，Google Speech to Text 错误：“无效识别 'config'：错误编码..”

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。