Google Speech API 不接受大型音频文件

Question

我在尝试处理大型音频文件时收到服务器错误。音频文件最初是 audio/m4a @ 32kHz 并且根据文档的建议将它们转换/压缩为 audio/amr_wb @ 16kHz。这些文件远低于 180 分钟的音频限制，但在处理它们时我仍然收到服务器错误。

GaxError Exception occurred in retry method that was not classified as transient, caused by 8:Received message larger than max (5371623 vs. 4194304)

我正在使用版本V1p1beta 和方法long_running_recognize 来转录这些音频文件。我的文件托管在 Google Cloud Storage 上，我在我的 api 调用中提供了 uri。

如何在服务器不强制执行大小限制的情况下将大型音频文件发送到 API？如果服务器甚至无法处理已编码为 AMR_WB 的长达一小时的音频文件，那么建议使用 FLAC 或 WAV 并将音频长度限制为 180 分钟似乎是错误的。

感谢您的帮助

Answer 1

目前 Speech-to-Text API 发布了v1 endpoint，我建议尝试这个版本。通过使用 90 分钟的音频，我能够得到正确的响应。