谷歌云语音同步识别“INVALID_ARGUMENT”答案

【问题标题】：Google cloud speech syncrecognize "INVALID_ARGUMENT"谷歌云语音同步识别“INVALID_ARGUMENT”
【发布时间】：2018-03-08 13:02:44
【问题描述】：

我已经完成了“概述教程”：https://cloud.google.com/speech/docs/getting-started 然后我尝试使用我自己的音频文件。我上传了一个采样率为 16000Hz 的 .flac 文件。

我只用我自己托管在谷歌云存储 (gs://my-bucket/test4.flac) 上的音频文件更改了下面的 sync-request.json 文件

{
  "config": {
      "encoding":"flac",
      "sample_rate": 16000
  },
  "audio": {
      "uri":"gs://my-bucket/test4.flac"
  }
}

文件被很好地识别，但请求返回“INVALID_ARGUMENT”错误

{
  "error": {
    "code": 400,
    "message": "Unable to recognize speech, code=-73541, possible error in recognition config. Please correct the config and retry the request.",
    "status": "INVALID_ARGUMENT"
  }
}

【问题讨论】：

标签： flac google-cloud-speech

【解决方案1】：

根据this 的回答，所有编码仅支持 1 声道（单声道） 音频

我正在使用以下命令创建 FLAC 文件：

ffmpeg -i test.mp3 test.flac

请求中的采样率与 FLAC 标头不匹配

但添加 -ac 1（将音频通道数设置为 1）修复了此问题。

ffmpeg -i test.mp3 -ac 1 test.flac

这是我完整的Node.js 代码

const Speech = require('@google-cloud/speech');
const projectId = 'EnterProjectIdGeneratedByGoogle';

const speechClient = Speech({
    projectId: projectId
});

// The name of the audio file to transcribe
var fileName = '/home/user/Documents/test/test.flac';


// The audio file's encoding and sample rate
const options = {
    encoding: 'FLAC',
    sampleRate: 44100
};

// Detects speech in the audio file
speechClient.recognize(fileName, options)
    .then((results) => {
        const transcription = results[0];
        console.log(`Transcription: ${transcription}`);
    }, function(err) {
        console.log(err);
    });

采样率可以是 16000 或 44100 或其他有效值，编码可以是 FLAC 或 LINEAR16。 Cloud Speech Docs

【讨论】：

【解决方案2】：

我的错，作为文档“https://cloud.google.com/speech/docs/basics”，.flac 文件必须是 16 位 PCM

总结：

编码：FLAC
频道：1 @ 16 位
采样率：16000Hz

/!\ 注意不要导出一个立体声文件（2通道）文件，它会抛出另一个错误（只接受一个通道）Google speech API internal server error -83104

【讨论】：