我使用 Google 的 nodejs-speech 包来使用 Google 语音 API 中的 longRunningRecognize
端点/函数。
我使用了 v1
和 v1p1beta
,但在使用较长的文件时遇到了错误。 (48 分钟是我尝试过的最长时间,15 分钟会导致同样的问题,但 3 分钟则不会)。我尝试了 promise 模式并将请求分为两部分——一部分用于启动 longRunningRecognize 进程,另一部分用于在等待后检查结果。错误显示在两者的代码示例下方。
请求的 promise 版本示例:
import speech from '@google-cloud/speech';
const client = new speech.v1p1beta1.SpeechClient();
const audio = {
uri: 'gs://my-bucket/file.m4a'
};
const config = {
encoding: 'AMR_WB',
sampleRateHertz: 16000,
languageCode: 'en-US',
enableWordTimeOffsets: true,
enableSpeakerDiarization: true
};
const request = {
audio,
config
};
client.longRunningRecognize(request)
.then(data => {
const operation = data[0];
return operation.promise();
})
.then(data => {
const response = data[0];
const results = response.results;
const transcription = results
.filter(result => result.alternatives)
.map(result => result.alternatives[0].transcript)
.join('\n');
console.log(transcription);
})
.catch(error => {
console.error(error);
});
(我已经关闭了带有结果的选项卡,但我认为这返回了一个错误对象,上面写着 { error: { code: 13 } }
,它与下面的内容匹配,更具描述性错误)。
另外,我尝试了一个版本,其中我不是通过链接 promise 来获取最终转录结果,而是从操作中收集name
,并发出单独的请求来获取结果。
这是请求代码:
... // Skipping setup
client.longRunningRecognize(request)
.then(data => {
const operation = data[0];
console.log(operation.latestResponse.name);
})
.catch(error => {
console.error(error);
});
当我在相关端点 (https://speech.googleapis.com/v1p1beta1/operations/81703347042341321989?key=ABCD12345
) 有时间处理之前点击它时,我得到以下信息:
{
"name": "81703347042341321989",
"metadata": {
"@type": "type.googleapis.com/google.cloud.speech.v1p1beta1.LongRunningRecognizeMetadata",
"startTime": "2018-08-16T19:33:26.166942Z",
"lastUpdateTime": "2018-08-16T19:41:31.456861Z"
}
}
但是,一旦完全处理完毕,我就遇到了这个问题:
{
"name": "81703347042341321989",
"metadata": {
"@type": "type.googleapis.com/google.cloud.speech.v1p1beta1.LongRunningRecognizeMetadata",
"progressPercent": 100,
"startTime": "2018-08-16T17:20:28.772208Z",
"lastUpdateTime": "2018-08-16T17:44:40.868144Z"
},
"done": true,
"error": {
"code": 13,
"message": "Server unavailable, please try again later."
}
}
我尝试过较短的音频文件(3 分钟,相同的格式和编码),并且上述过程均有效。
知道发生了什么吗?
最佳答案
一个可能的解决方法是将音频格式更改为 FLAC,由于其无损压缩,这是 Cloud Speech-to-text API 推荐的编码类型。
作为引用,这可以使用 sox 来完成,通过以下命令:
sox file.m4a --rate 16k --bits 16 --channels 1 file.flac
此外,当开始时有长时间的沉默时,也可能会发生此错误。在这种情况下,可以通过在 trim
之后指定音频在文件开头和结尾处应跳过的秒数来 trim 音频文件:
sox input.m4a --rate 16k --bits 16 --channels 1 output.flac trim 20 5
关于javascript - Google Speech API - 长音频文件的服务器不可用错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51884509/