java - 使用 Java 的 Google 云语音

Question

我尝试通过 Java 程序与 Google Cloud Speech API 进行通信，但收到此错误:

Exception in thread "main" com.google.api.gax.grpc.ApiException: io.grpc.StatusRuntimeException: INVALID_ARGUMENT: Invalid Wav File: Not 16 bit Linear PCM or 8 bit MULAW.

谁能帮我解决这个问题吗？

Answer 1

Google 云语音 API 接受 wav 文件。而且不仅如此。 来自文档:https://cloud.google.com/speech-to-text/docs/encoding

Note: Speech-to-Text supports WAV files with LINEAR16 or MULAW encoded audio.

根据Google语音转文本云网站上的语音转文本/资源，我能够上传带有8位PCM签名的.wav文件。转录得很好。但是，如果我尝试使用他们的 Java API 上传文件，则会出现此错误。我测试了几个库，包括新的测试版。所以我可以同意这很奇怪。我可以在每个播放器上播放 8 位 16KHz PCM SIGNED 编码，也可以播放 8KHz，并且文件头没有任何问题，我可以上传它，但不能通过 Java API 上传。

以下是一些可能有帮助的提示: 如果您想使用 API，则必须转换为 16 位 PCM，或例如 8 位 ULAW。

为此，您可以使用javax.sound.sampled库。

看一下这个例子:SimpleSoundCapture ! 您可以根据需要进行修改。输入“out”变量 ByteArrayOutputStream 或使用 ULAW 编码记录自定义编码 wav 文件。

您可以使用此设置:

AudioFormat.Encoding encoding = AudioFormat.Encoding.ULAW; 
floatrate = 16000.0f; 
int channels = 1; 
int frameSize = 4; 
int sampleSize = 8; 
boolean bigEndian = true;

Google 从第二次、第三次起就能够毫无问题地识别 ULAW 样本。有时甚至从一开始就是如此。也用 8000.0f 进行了测试。 在使用ULAW之前，请先从语音API的RecognitionConfig对象中删除setEncoding()方法，因为使用ULAW可能会导致另一个异常。

 RecognitionConfig config
                = RecognitionConfig.newBuilder()
                //      .setEncoding(AudioEncoding.UNRECOGNIZED)
                .setLanguageCode("en-US")
                .setSampleRateHertz(16000)
                .build();