Это документы Google Speech API: https://cloud.google.com/speech/docs/sync-recognize
Я пробовал этот API 2 недели, но все еще не могу решить свою главную задачу (перевод потоковой передачи).
Я использую PHP. (возможен вариант на другом языке, сам найду)
Что я могу сделать за 2 недели:
Распознавание синхронной речи (‹= 1 мин)
Асинхронное распознавание речи (›1 мин и‹ = 80 мин). Примечание: я могу изменить это, чтобы принимать 3-часовое видео.
Распознавание живой речи с микрофона: https://www.google.com/intl/en/chrome/demos/speech.html
ОБНОВЛЕНИЕ. Выполняйте потоковую передачу через API со звуком длительностью менее 6 секунд.
Что я не могу сделать, так это:
Как перевести прямую трансляцию. пример: потоковое радио (допускается задержка)
Как переводить при воспроизведении видео / аудио. (возможна задержка)
ОБНОВЛЕНИЕ:
Я тоже задаю вопрос по google github. но так как ответа нет, я спрашиваю здесь.
Резюме:
Я могу выполнять потоковую передачу речи, но только с 6-секундным звуком. Это не то, что я ожидал. Я ожидаю признания неограниченной продолжительности (кажется, мы не знаем, когда закончится потоковое радио).
Спасибо за любую помощь. я очень ценю это
ОБНОВЛЕНИЕ:
Чтобы подтвердить, что я не могу использовать видео дольше 6 секунд. поэтому я пишу это:
Я пробую это видео интервью.mp4 и конвертирую его с помощью ffmpeg на интервью.flac с помощью этого ffmpeg -i interview.mp4 -c:a flac -ar 16000 -ac 1 -sample_fmt s16 interview.flac
.
я использую эту библиотеку для расшифровки видео с помощью этого команда:
php speech.php transcribe --encoding FLAC --language-code en-US --sample-rate 16000 --stream interview.flac
и результат:
[Google\GAX\ApiException]
Invalid 'audio_content': too long.
он не может быть слишком длинным, потому что продолжительность видео составляет всего 48 секунд. это мета из результата ffmpeg:
Output #0, flac, to 'interview.flac':
Metadata:
major_brand : isom
minor_version : 512
compatible_brands: isomiso2avc1mp41
encoder : Lavf57.72.101
Stream #0:0(und): Audio: flac, 16000 Hz, mono, s16, 128 kb/s (default)
Metadata:
handler_name : SoundHandler
encoder : Lavc57.92.100 flac
size= 810kB time=00:00:48.01 bitrate= 138.1kbits/s speed= 108x
video:0kB audio:801kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 1.019650%