Как получить всю стенограмму с помощью google.cloud.speech_v1p1beta1? - PullRequest
Новая
       59

Как получить всю стенограмму с помощью google.cloud.speech_v1p1beta1?

0 голосов
/ 14 февраля 2019

Используя Google-Speech-to-Text, я получаю только частичную транскрипцию.Входной файл: из примера аудиофайла Google

Ссылка на местоположение репо Google commercial_mono.wav

Вот мой код: 

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=5000)
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("speaker {}: {}".format(tag,speaker))
        tag=word_info.speaker_tag
        speaker=" "+word_info.word

Воткак я называю сценарий: 

transcribe_gcs('gs://mybucket0000t/commercial_mono.wav')

Я получаю только частичную транскрипцию из всего аудиофайла 

(venv3) ➜  g-transcribe git:(master) ✗ python gtranscribeWithDiarization.py
Waiting for operation to complete...
speaker 1:   I'm here
speaker 2:  hi I'd like to buy a Chrome Cast and I was wondering whether you 
could help me

Это все, что я получаю

Если я выполняю код несколькораз, через 5 или 6 раз я не получаю транскрипцию.

Вот результат после нескольких попыток: 

(venv3) ➜  g-transcribe git:(master) ✗ python gtranscribeWithDiarization.py

Waiting for operation to complete...
speaker 1:  

(venv3) ➜  g-transcribe git:(master) ✗

Env: Использование python3

  • Использование учетной записи службы Google и никаких проблем с подключением.
  • Также скопировал файл в хранилище Google и подтвердил, что могу играть
  • Пробовал конвертировать файл из wav в flac, но результаты такие же
  • использовал ffprobe, чтобы убедиться, что есть только одинканал

Я пытаюсь получить полную транскрипцию с отметкой времени при смене динамиков.

Желаемый вывод 

Speaker 1: Start Time 0.0001: Hello transcription starts
Speaker 2: Start Time 0.0009: Here starts with the transcription of the 2nd speaker and so on to the end of file.

Надеюсь, вы поможете.

1 Ответ

0 голосов
/ 25 февраля 2019

У меня еще не было проблем с v1p1beta, с моей стороны.

Предложение №1: Может быть, очевидное предложение, но разрешает ли ваш проект "регистрацию данных"?Это требуется для использования более продвинутых функций / моделей.Может попробовать это?Вы можете отключить его после тестирования, если оно не меняет ваш результат.

ссылка на регистрацию данных: https://cloud.google.com/speech-to-text/docs/data-logging

Предложение № 2: попробуйте использовать эту строку ниже: 

client = speech_v1p1beta1.SpeechClient()

Предложение № 3: попробуйте добавить частоту дискретизации в вашу конфигурацию 

sample_rate_hertz = 44100
...