0

wav ファイルに対して DeepSpeech をテストしたところ、問題なく動作しました。ディープ スピーチに関する問題は、1 つの単語も認識しないオーディオ ストリームを使用しようとすると発生します。オーディオ ストリームは、PCM 48khz ステレオ符号付き 16 ビット リトル エンディアンです。ストリームを他の形式、sampleRate、およびチャネルに変換しようとしましたが、まったく成功しませんでした。nodejsでDeepSpeechを使用しています

 modelStream = englishModel.createStream();

    let chunks = [];
    stream.on('data', chunk => {
        chunks.push(chunk);

    }).on('close', () => {
        const buffer = Buffer.concat(chunks);


        let stream = new Duplex();
        stream.push(buffer);
        stream.push(null);
        let audioStream = new MemoryStream();
        stream.pipe(Sox({
            global: {
                'no-dither': true,
            },
            output: {
                bits: 16,
                rate: desiredSampleRate,
                channels: 1,
                encoding: 'signed-integer',
                endian: 'little',
                compression: 0.0,
                type: 'raw'
            }
        })).
        pipe(audioStream);

        audioStream.on('finish', () => {
            let audioBuffer = audioStream.toBuffer();

            const audioLength = (audioBuffer.length / 2) * (1 / desiredSampleRate);
            console.log('audio length', audioLength);

            let result = englishModel.stt(audioBuffer);

            console.log('result:', result);
        });
4

1 に答える 1