Почему Google Cloud Speech to Text преобразует только половину звука - PullRequest
Новая
       85

Почему Google Cloud Speech to Text преобразует только половину звука

0 голосов
/ 17 июня 2020

Код такой: 

from google.cloud import speech_v1
from google.cloud.speech_v1 import enums

def sample_long_running_recognize(storage_uri):

    client = speech_v1.SpeechClient()

    enable_word_time_offsets = True
    sample_rate_hertz = 44100
    audio_channel_count = 2
    encoding = enums.RecognitionConfig.AudioEncoding.LINEAR16

    language_code = "en-US"
    config = {
        "enable_word_time_offsets": enable_word_time_offsets,
        "language_code": language_code,
        "encoding": encoding,
#        "audio_channel_count": audio_channel_count,
        "sample_rate_hertz": sample_rate_hertz
    }
    audio = {"uri": storage_uri}

    operation = client.long_running_recognize(config, audio)

    print(u"Waiting for operation to complete...")
    response = operation.result()

    # The first result includes start and end time word offsets
    result = response.results[0]
    # First alternative is the most probable result
    alternative = result.alternatives[0]
    print(u"Transcript: {}".format(alternative.transcript))
    # Print the start and end time of each word
    for word in alternative.words:
        print(u"Word: {}".format(word.word))
        print(
            u"Start time: {} seconds {} nanos".format(
                word.start_time.seconds, word.start_time.nanos
            )
        )
        print(
            u"End time: {} seconds {} nanos".format(
                word.end_time.seconds, word.end_time.nanos
            )
        )

Мой аудиофайл - это 43-секундный файл wav, частота дискретизации 44100 Гц и стереоканал. Я пробовал тот же файл, только каналы были изменены на моно, но он преобразует только первые 27 секунд. Я много искал о частичном выводе речи в текст api, но не смог найти похожую ситуацию.

...