我正在研究 Google 云语音转文本示例。 我从此链接 GoogleCloudPlatform speech to text sample 中获取了样本 我提到了Quickstart: Using Client Libraries 该示例中给出的示例文件工作正常。它给出了该音频文件的文本。 但是如果我提供自己的音频文件，它不会返回任何内容。
云请求包括音频文件、AudioEncoding 和 SampleRateHertz。 问题可能出在我自己的音频文件的 AudioEncoding 和 SampleRateHertz 中。
如何识别音频文件的AudioEncoding和SampleRateHertz？
最佳答案
AudioEncoding 的 Java 枚举具有以下可能的值:
AudioEncoding.AMR -> .awb/.3gp 文件
AudioEncoding.AMR_WB -> .awb/.3gp 文件
AudioEncoding.FLAC -> .flac 文件
AudioEncoding.LINEAR16 -> .wav 文件
AudioEncoding.MULAW -> .wav 文件
AudioEncoding.OGG_OPUS -> .ogg/.opus 文件
AudioEncoding.SPEEX_WITH_HEADER_BYTE -> 没有线索，也许.speex
因此，您可以通过文件扩展名进行初步猜测，对于 SampleRateHertz，您可以使用类似 Tika by Apache 的工具。 。这将为 commercial_stereo.wav 输出以下内容:
Content-Length: 6305632
Content-Type: audio/vnd.wave
X-Parsed-By: org.apache.tika.parser.DefaultParser
X-Parsed-By: org.apache.tika.parser.audio.AudioParser
X-TIKA:digest:MD5: 7e3e8837273e8bb143533894926f7da3
X-TIKA:digest:SHA256: 98fac004fb662ad8f720e680c81e3b4c9dea20190f5d1d908cece2cd6b30f01e
bits: 16
channels: 2
encoding: PCM_SIGNED
resourceName: commercial_stereo.wav
samplerate: 44100.0
xmpDM:audioSampleRate: 44100
xmpDM:audioSampleType: 16Int
关于java - 如何识别音频文件的AudioEncoding和SampleRateHertz，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52992047/