問題タブ [google-speech-api]

いくつかの音声ファイルを認識したいので、それらを Storage Bucket にアップロードしました。これらのオーディオ ファイルの長さは最大 45 分です。非同期認識は必須です。

音声ファイルのペアは既に認識されていますが、サービスspeech.asyncrecognizeは数時間前から 429 RESOURCE_EXHAUSTED ステータスを返しています。

私の GCP プロジェクトでは、Google Cloud Speech API が有効になっていて、課金情報が設定されています。API のクォータ全体が使用可能であり、認識できるオーディオ ファイルは 10 個しかないため、ボリュームの問題ではありません。

では、なぜこの 429 ステータスが表示されるのでしょうか? この API がベータ版であることは知っていますが、突然機能しなくなったのは奇妙です。

Python を使用して REST 経由でこの API を使用しています。私のコードは次のようになります。

そして、次のように返します。

2回機能しましたが、現在は失敗しています。同じ問題を抱えている人はいますか？

プロジェクトに音声認識 stt を統合しようとしてきましたが、さまざまなものを試した後、chrome のネイティブ Web 音声 API が最適であることがわかりました。パフォーマンスと精度の点で、Google の Speech API と比較するとどうですか。

Java アプリケーションで Google Speech Cloud API バージョン 2 を使用しようとしています。どこに問題があるのか​​ わかりませんが、URLと同じオーディオ、PHPの構成設定を試してみると、うまくいき、応答がありました。助けてください。

コード

応答

Google Speech Api を使用すると、指定されたlinkを使用して Speech をテキストに変換できます。しかし、既にオーディオ ファイルがあり、そのファイルをテキストに変換したいと考えています。助けてください。ありがとうございました。

1 分未満の音声ファイルは問題なく文字起こしされますが、それより長いファイルを文字起こししようとすると、Google Speech API から空の応答が返されます。

次の SoX コマンドを使用して .wav ファイルを作成します。

ファイルは期待どおりに再生されます。SoXi を実行すると、次の情報が得られます。

次に、それを Google ストレージにアップロードします。これは、API が文字起こしを行うには、1 分を超えるファイルはすべて gs バケットに存在する必要があるとドキュメントに記載されているためです。

次に、次のコードを実行して、文字起こし操作を開始します。

返される応答は空です。完全な応答は次のようになります。

リクエストが実行され、正常に完了したが、実際の応答がないことを示唆しています。どこが間違っていますか？

今すぐGoogleに文字列を送信して応答を得る方法はありますか?

例：

「今何時？」を送信します。Google から「午後 4 時 32 分です」という文字列または音声応答を取得します。

私は大学のプロジェクトを持っており、翻訳者のように機能する Android アプリケーションを開発しています。通常のテキスト翻訳には Google Cloud Translation API を使用していますが、Google Cloud speech API を使用して音声でテキストを翻訳するオプションがあることがわかりました。問題は、出発点がなく、それをどのように使用できるかがわかりませんでした。

では、Android アプリケーションから Google Cloud Speech API を使用する方法の例はありますか?

Go APIでここに示されているように、Google Cloud Speech API を使用しています。

例 ( ./caption audio.raw) を実行すると、正しい音声認識が得られます "transcript:"how old is the Brooklyn Bridge"。

ただし、インスタンスのConfidence属性は 0.000000 (空) です。SpeechRecognitionAlternativeこれは Speech API のバグですか? ここの例で提供されている音声ファイルを使用しています。