Ошибка с тегом enable_speaker_diarization в Google Cloud Speech to Text - PullRequest
Новая
       43

Ошибка с тегом enable_speaker_diarization в Google Cloud Speech to Text

0 голосов
/ 20 января 2019

Используя Google-Speech-to-Text, я могу транскрибировать аудиоклип с параметрами по умолчанию.Тем не менее, я получаю сообщение об ошибке при использовании тега enable_speaker_diarization для профилирования отдельных динамиков в аудиоклипе.Google документирует это здесь Это длинный аудиоклип, поэтому я использую асинхронный запрос, который Google рекомендует здесь

Мой код - 

def transcribe_gcs(gcs_uri):
from google.cloud import speech
from google.cloud import speech_v1 as speech
from google.cloud.speech import enums
from google.cloud.speech import types
client = speech.SpeechClient()
audio = types.RecognitionAudio(uri = gcs_uri)
config = speech.types.RecognitionConfig(encoding=speech.enums.RecognitionConfig.AudioEncoding.FLAC, 
                                        sample_rate_hertz= 16000, 
                                        language_code = 'en-US',
                                       enable_speaker_diarization=True,
                                        diarization_speaker_count=2)

operation = client.long_running_recognize(config, audio)
print('Waiting for operation to complete...')
response = operation.result(timeout=3000)
result = response.results[-1]

words_info = result.alternatives[0].words

for word_info in words_info:
    print("word: '{}', speaker_tag: {}".format(word_info.word, word_info.speaker_tag))

После использования - 

transcribe_gcs('gs://bucket_name/filename.flac')

Я получаю сообщение об ошибке 

ValueError: Protocol message RecognitionConfig has no "enable_speaker_diarization" field.

Я уверен, что это как-то связано с библиотеками, я использовал все варианты, которые мог найти, например 

from google.cloud import speech_v1p1beta1 as speech
from google.cloud import speech

Но я продолжаю получать ту же ошибку.Примечание. Я уже прошел аутентификацию с использованием файла JSON до запуска этого кода.

Ответы [ 2 ]

0 голосов
/ 14 июля 2019

Причина ошибки аналогична пользователям Node JS.Импортируйте бета-функцию с помощью этого вызова, а затем используйте функции идентификации докладчика. 

const speech = require('@google-cloud/speech').v1p1beta1;
0 голосов
/ 21 января 2019

Параметр enable_speaker_diarization=True в speech.types.RecognitionConfig доступен только в библиотеке speech_v1p1beta1, поэтому вам необходимо импортировать эту библиотеку, чтобы использовать этот параметр, а не речевой по умолчанию.Я сделал некоторые изменения в вашем коде и отлично работает для меня.Учтите, что вам нужно использовать служебную учетную запись для запуска этого кода. 

def transcribe_gcs(gcs_uri):
    from google.cloud import speech_v1p1beta1 as speech
    from google.cloud.speech_v1p1beta1 import enums
    from google.cloud.speech_v1p1beta1 import types
    client = speech.SpeechClient()
    audio = types.RecognitionAudio(uri = gcs_uri)
    config = speech.types.RecognitionConfig( language_code = 'en-US',enable_speaker_diarization=True, diarization_speaker_count=2)
    operation = client.long_running_recognize(config, audio)
    print('Waiting for operation to complete...')
    response = operation.result(timeout=3000)
    result = response.results[-1]

    words_info = result.alternatives[0].words

    tag=1
    speaker=""

    for word_info in words_info:
        if word_info.speaker_tag==tag:
            speaker=speaker+" "+word_info.word

        else:
            print("sepaker {}: {}".format(tag,speaker))
            tag=word_info.speaker_tag
            speaker=""+word_info.word

И результат должен быть таким:

enter image description here

...