.opus 音频文件的谷歌语音到文本配置是什么样的答案

【问题标题】：What does the google's speech-to-text configuration looks like for an .opus audio file.opus 音频文件的谷歌语音到文本配置是什么样的
【发布时间】：2020-08-06 00:14:51
【问题描述】：

我正在将 .opus 音频文件传递给 google 的语音转文本 api 以进行转录。我正在使用以下配置：

编码 = enums.RecognitionConfig.AudioEncoding.OGG_OPUS
language_code = "en-US"
sample_rate_hertz = 16000

我收到以下错误：

google.api_core.exceptions.GoogleAPICallError: None Unable to recognize speech, possible error in encoding or channel config. Please correct the config and retry the request.

我尝试了其他编码，如 FLAC 和 LINEAR16，并得到 None 作为输出。

opus 音频文件是否需要额外的配置字段以及配置文件应该是什么样子？

【问题讨论】：

标签： speech-to-text google-speech-api google-cloud-speech opus google-speech-to-text-api

【解决方案1】：

通过谷歌提供的文档和几次尝试后，我找到了解决我遇到的错误的方法。 OGG_OPUS 编码需要对 audio_channel_count 进行显式配置定义。在我的例子中，音频通道是 2，我需要明确定义它。另外，在多通道的情况下，enable_separate_recognition_per_channel 需要设置为 True。

对我有用的配置是：

encoding = enums.RecognitionConfig.AudioEncoding.OGG_OPUS
config = {
        "audio_channel_count": audio_channel_count,
        "enable_separate_recognition_per_channel": enable_separate_recognition_per_channel,
        "language_code": language_code,
        "sample_rate_hertz": sample_rate_hertz,
        "encoding": encoding
    }

在配置文件中为每个参数使用正确的值非常重要。

【讨论】：