問題タブ [google-speech-to-text-api]

Google Speech to Text API を使用しています。タイプ google.cloud.speech_v1.types.RecognizeResponse のオブジェクトを返します。複数のテキスト文字列を返すために繰り返し処理できないため、これは Python ではほとんど使用できないことがわかりました。

これを Python で使用できるようにするための解決策をよく探した後、Stack Overflow で google.protobuf.json_format.MessageToJson() から使用する解決策を見つけました。ただし、以下の関数を実行すると...

...次の出力が得られます。

ご覧のとおり、google MessageToJson 関数を実行した結果は実際には文字列であり、json.loads 関数を使用して Dict にロードする必要があります。

• MessageToJson 関数が Dict / json オブジェクトではなく文字列を返すのはなぜですか?
• Python で google.cloud.speech_v1.types.RecognizeResponse オブジェクトを操作して文字起こしされたテキストを取得する別の方法はありますか?

Google がこのオブジェクトを返す理由がわかりませんが、これは扱いが非常に困難です。

私は .opus オーディオ ファイルを Google の音声テキスト変換 API に渡しています。次の構成を使用しています。

• encoding = enums.RecognitionConfig.AudioEncoding.OGG_OPUS
• language_code = "en-US"
• サンプルレートヘルツ = 16000

次のエラーが表示されます。

google.api_core.exceptions.GoogleAPICallError: None Unable to recognize speech, possible error in encoding or channel config. Please correct the config and retry the request.

FLAC や LINEAR16 などの他のエンコーディングを試してみましたが、出力として None が得られました。

opus オーディオ ファイルには追加の構成フィールドが必要で、構成ファイルはどのように表示されますか?

サーバー側のコードでは、クライアント側がサーバー側から転写テキストを受け取るときに、Web ソケット接続を使用してクライアント (Angular) に転写テキストを渡そうとしています。テキストを上書きするか、同じテキストが複数回書き込まれる場合があります。私は.isFinalで試しましたが、問題は同じままです.Belowはそのコードスニペットです。

サーバー側のコード:

クライアント側のコード:-

参考URL：https ://www.twilio.com/blog/live-transcribing-phone-calls-using-twilio-media-streams-and-google-speech-text

注: サーバー側とクライアント側からの Nodejs & Express js:- Angular 8

どんな助けでも大歓迎です。

Google Speech API を使用しています

システムは次のように機能します。

1- ユーザーが「開始」ボタンをクリックすると、システムは記録を開始します。

2- ユーザーが「停止」ボタンをクリックすると、システムは記録を停止し、結果を表示します。

彼女は私の「スタート」ボタンの定義です

私の質問は、ユーザーが記録を停止して「停止」ボタンをクリックしたいときに別の定義を呼び出すにはどうすればよいですか?