如何加快谷歌云语音

Question

我正在使用一个麦克风，它通过浏览器记录声音，将其转换为文件并将文件发送到 java 服务器。然后，我的 java 服务器将文件发送到云语音 api 并给我转录。问题是转录超长（2 秒对话大约需要 3.7 秒）。

所以我想加快转录速度。首先要做的是流式传输数据（如果我在记录的开头开始转录。问题是我不太了解 api。例如，如果我想从源转录我的音频流（浏览器/麦克风）我需要使用某种 JS api，但我找不到可以在浏览器中使用的任何东西（我们不能像这样使用节点吗？）。

否则我需要将我的数据从我的 js 流式传输到我的 java（不确定如何在不破坏数据的情况下做到这一点......），然后从那里通过 streamingRecognizeFile 推送它：https://github.com/GoogleCloudPlatform/java-docs-samples/blob/master/speech/cloud-client/src/main/java/com/example/speech/Recognize.java

但是它需要一个文件作为输入，那么我应该如何使用它呢？我无法真正告诉系统我是否完成了记录......它如何理解这是转录的结束？

我想在我的网络浏览器中创建一些东西，就像那里的谷歌演示一样： https://cloud.google.com/speech/

我认为关于使用流 api 的方式有一些基本的东西我不明白。如果有人能解释一下我应该如何处理这个问题，那就太糟糕了。

谢谢。

Answer 1

Google“语音转文本处理音频的速度通常比实时处理快，平均在 15 秒内处理 30 秒的音频”[1]。您可以使用 Google APIs Explorer 准确测试每个请求需要多长时间 [2]。

为了加快转录速度，您可以尝试将识别元数据添加到您的请求[3]。如果您知道演讲 [4] 的上下文，您可以提供短语提示。或者使用增强模型来使用一组特殊的机器学习模型[5]。所有这些建议都将提高准确性，并可能对转录速度产生影响。

使用流式识别时，可以在配置中将singleUtterance 选项设置为True。这将检测用户是否暂停讲话并停止识别。如果不是，则流式传输请求将一直持续到内容限制，即流式传输请求 [6] 的 1 分钟音频长度。