python - 如何在python中使用谷歌语音识别api？

Question

关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。












想改进这个问题？将问题更新为 on-topic对于堆栈溢出。

5年前关闭。




Improve this question




我有一个 mp3 文件，我想使用 Google 的语音识别从该文件中获取文本。任何我能找到文档或示例的想法都将不胜感激。

Answer 1

看看Google Cloud Speech API使开发人员能够将音频转换为文本 [...] API 可识别 80 多种语言和变体 [...]
您可以创建一个免费帐户来获得有限数量的 API 请求。

如何:

您需要先安装gcloud python module & google-api-python-client模块:

pip install --upgrade gcloud
pip install --upgrade google-api-python-client

然后在 Cloud Platform Console 中，转到项目页面并选择或创建一个新项目。在您需要为您的项目启用计费后，然后 enable Cloud Speech API .

启用 Google Cloud Speech API 后，单击 Go to Credentials 按钮设置您的 Cloud Speech API 凭据

见 Set Up a Service Account有关如何从您的代码授权 Cloud Speech API 服务的信息

您应该同时获取服务帐户 key 文件(JSON 格式)和 GOOGLE_APPLICATION_CREDENTIALS 环境变量，以允许您对语音 API 进行身份验证

全部完成后，download the audio raw file来自谷歌和speech-discovery_google_rest_v1.json来自谷歌

修改之前下载的 JSON 文件以设置您的凭据 key
然后确保您已将 GOOGLE_APPLICATION_CREDENTIALS 环境变量设置为 .json 文件的完整路径:

export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service_account_file.json

还

确保您已将 GCLOUD_PROJECT 环境变量设置为您的 Google Cloud 项目的 ID:

export GCLOUD_PROJECT=your-project-id

假设全部完成 ，您可以创建一个教程.py 文件包含:

import argparse
import base64
import json

from googleapiclient import discovery
import httplib2
from oauth2client.client import GoogleCredentials


DISCOVERY_URL = ('https://{api}.googleapis.com/$discovery/rest?'
                 'version={apiVersion}')


def get_speech_service():
    credentials = GoogleCredentials.get_application_default().create_scoped(
        ['https://www.googleapis.com/auth/cloud-platform'])
    http = httplib2.Http()
    credentials.authorize(http)

    return discovery.build(
        'speech', 'v1beta1', http=http, discoveryServiceUrl=DISCOVERY_URL)


def main(speech_file):
    """Transcribe the given audio file.

    Args:
        speech_file: the name of the audio file.
    """
    with open(speech_file, 'rb') as speech:
        speech_content = base64.b64encode(speech.read())

    service = get_speech_service()
    service_request = service.speech().syncrecognize(
        body={
            'config': {
                'encoding': 'LINEAR16',  # raw 16-bit signed LE samples
                'sampleRate': 16000,  # 16 khz
                'languageCode': 'en-US',  # a BCP-47 language tag
            },
            'audio': {
                'content': speech_content.decode('UTF-8')
                }
            })
    response = service_request.execute()
    print(json.dumps(response))

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        'speech_file', help='Full path of audio file to be recognized')
    args = parser.parse_args()
    main(args.speech_file)

然后运行:

python tutorial.py audio.raw