是否可以使用 curl 来使用 Google Cloud Speech API 来识别 10 到 15 分钟内的文件？

Question

我正在使用带有 cURL 的 REST API，因为我需要做一些快速而简单的事情，而且我在一个无法开始倾倒垃圾的盒子上；即一些厚实的开发者 SDK。

我开始base64 编码flac 文件并启动speech.syncrecognize。

最终失败了：

{
  "error": {
    "code": 400,
    "message": "Request payload size exceeds the limit: 10485760.",
    "status": "INVALID_ARGUMENT"
  }
}

好吧，你不能在请求中发送 31,284,578 字节；必须使用云存储。因此，我上传了 flac 音频文件，并现在在 Cloud Storage 中使用该文件重试。这失败了：

{
  "error": {
    "code": 400,
    "message": "For audio inputs longer than 1 min, use the 'AsyncRecognize' method.",
    "status": "INVALID_ARGUMENT"
  }
}

太好了，speech.syncrecognize 不喜欢内容大小；再试一次speech.asyncrecognize。这失败了：

{
  "error": {
    "code": 400,
    "message": "For audio inputs longer than 1 min, please use LINEAR16 encoding.",
    "status": "INVALID_ARGUMENT"
  }
}

好的，所以speech.asyncrecognize只能做LPCM；以pcm_s16le 格式上传文件，然后重试。所以最后，我得到了一个操作手柄：

{
  "name": "9174269756763138681"
}

不断检查，最终完成：

{
  "name": "9174269756763138681",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.speech.v1beta1.AsyncRecognizeResponse"
  }
}

所以等等，毕竟现在结果在队列中，没有REST 方法来请求结果？有人请告诉我，我错过了直接盯着我看的那种明显的感觉，而且 Google 并没有创建完全没有意义、不完整的 REST API。

Answer 1

所以问题的答案是，不，可以使用 curl，使用 Google Cloud Speech API，在 10 到 15 分钟内识别文件...假设您导航并遵守一组相当严格的约束...至少在 beta1 中。

从文档中没有明显看出的是结果应该由operations.get 方法返回......如果我的任何尝试实际上返回了空结果以外的其他内容，这将是显而易见的。

我文件中的源速率为 44,100 或 48,000 Hz，我将 sample_rate 设置为源原生速率。但是，与文档相反：

所有 RecognitionAudio 中发送的音频数据的采样率（以赫兹为单位） 消息。有效值为：8000-48000。 16000 是最佳的。为了最好 结果，将音频源的采样率设置为 16000 Hz。如果 这是不可能的，请使用音频源的原生采样率 （而不是重新采样）。

重新采样到 16,000 Hz 后，我开始使用 operations.get 获得结果。

我认为值得注意的是，相关性并不意味着因果关系。重新采样到 16,000 Hz 后，文件变得明显更小。因此，我无法证明这是采样率问题，而不仅仅是服务阻塞了超过一定大小的文件。

还值得注意的是，文档中提到的采样率不一致。根据它们各自的详细定义，gRPC API 可能需要 sample_rate，而 REST API 可能需要 sampleRate，在这种情况下，快速入门可能会为 REST API 提供不正确的示例。