AWS 服务使用 Java API 将语音转文本答案

【问题标题】：Speech to text by AWS service using Java APIAWS 服务使用 Java API 将语音转文本
【发布时间】：2020-12-22 21:50:13
【问题描述】：

我想使用 AWS 服务和 AWS java-sdk 将语音转换为文本，但在 AWS java-sdk 中找不到任何 API。有什么服务可以做到这一点吗？我使用 AWS Polly 服务使用 AWS java-sdk 将文本转换为语音，但不是相反（语音到文本）。这怎么可能？

【问题讨论】：

标签： amazon-web-services

【解决方案1】：

最近我设法构建了一个 Java 客户端，在投入时间之前，重要的是要说，截至本文发布之日，获取包含“是”的音频文本所需的时间大约是1分钟。鉴于这种性能，我选择了 Google 服务。

也就是说，我分享了可改进的代码，因为它旨在执行可行性测试。

此服务要求将音频存放在桶中，然后指示转录 uri，然后启动工作，并以类似的方式以 json 格式获得结果。

在示例中，我们选择等待工作完成，然后获取结果。

主要依赖有：

    <!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-transcribe -->
<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>aws-java-sdk-transcribe</artifactId>
    <version>1.11.313</version>
</dependency>
<!-- https://mvnrepository.com/artifact/com.amazonaws/aws-java-sdk-s3 -->
<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>aws-java-sdk-s3</artifactId>
    <version>1.11.313</version>
</dependency>

我选择的凭据：

static{
    System.setProperty("aws.accessKeyId", "yourAccessK");
    System.setProperty("aws.secretKey"  , "shhhhhhhhhh");
}

在源代码中，我们将创建 S3 和 tanscribe 客户端，将区域替换为与存储桶对应的区域。

private AmazonS3 s3 = AmazonS3ClientBuilder.standard().withRegion("us-east-1").withClientConfiguration(new ClientConfiguration()).withCredentials(new DefaultAWSCredentialsProviderChain() ).build();
private AmazonTranscribe client = AmazonTranscribeClient.builder().withRegion("us-east-1").build();

然后我们将音频文件上传到存储桶

s3.putObject(BUCKET_NAME, fileName, new File(fullFileName));

BUCKET_NAME 是带有存储桶名称的常量。 fileName：不一定是文件名，可以是我们想使用的任何标识符。

将音频上传到存储桶后，我们将创建转录作业。

    StartTranscriptionJobRequest request = new StartTranscriptionJobRequest();

    request.withLanguageCode(LanguageCode.EsUS);

    Media media = new Media();

    media.setMediaFileUri(s3.getUrl(BUCKET_NAME, fileName).toString());

    request.withMedia(media).withMediaSampleRateHertz(8000);

查看语言选项和 MediaSampleRateHertz。

为作业创建一个名称。

String transcriptionJobName = "myJob"; // consider a unique name as an id.

并完成请求并开始工作

request.setTranscriptionJobName(transcriptionJobName);
request.withMediaFormat("wav");

client.startTranscriptionJob(request);

在这种情况下循环等待答案，还有其他更有效的选择。

GetTranscriptionJobRequest jobRequest = new GetTranscriptionJobRequest();
jobRequest.setTranscriptionJobName(transcriptionJobName);
TranscriptionJob transcriptionJob;

while( true ){
    transcriptionJob = client.getTranscriptionJob(jobRequest).getTranscriptionJob();
    if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.COMPLETED.name()) ){

        transcription = this.download( transcriptionJob.getTranscript().getTranscriptFileUri(), fileName);

        break;

    }else if( transcriptionJob.getTranscriptionJobStatus().equals(TranscriptionJobStatus.FAILED.name()) ){

            break;
    }
    // to not be so anxious
    synchronized ( this ) {
        try {
            this.wait(50);
        } catch (InterruptedException e) { }
    }

}

transcriptionJob.getTranscript().getTranscriptFileUri() 返回一个 uri 以与任何 http 客户端一起使用 Apache HttpClient 或在我的情况下我更喜欢 JODD (https://jodd.org/http/)

下载：

private AmazonTranscription download( String uri, String fileName ){
    HttpResponse response = HttpRequest.get(uri).send();
    String result = response.charset("UTF-8").bodyText();
    // result is a json 
    return gson.fromJson(result, AmazonTranscription.class);
}

AmazonTranscription 是我创建的用于包含 json 的类。我分享了包含 json 解析的必要类，我避免了集合并且变得不那么广泛。

public class AmazonTranscription {

    private String jobName;
    private String accountId;
    private Result results;
    private String status;
}

public class Item {

    private String start_time;
    private String end_time;
    private List<Alternative> alternatives = new ArrayList<Alternative>();
    private String type;
}

public class Result {

    private List<Transcript> transcripts = new ArrayList<Transcript>();
    private List<Item>       items       = new ArrayList<Item>();
}

public class Transcript {

    private String transcript;
}

只需在需要的地方添加 try/catch。

我希望我没有忽略任何东西并且它会很有用，我花了一些时间来理解这个亚马逊模式，我希望那时能避免其他人。

很抱歉，如果写作中有错误，但这不是我的母语。

【讨论】：

谢谢，您的回答对我使用 java SDK for aws transcribe 帮助很大！
很高兴知道您对我很有帮助。
非常感谢。它真的节省了我的时间。
很好的答案 - 节省大量时间！

【解决方案2】：

  StartTranscriptionJobRequest request = StartTranscriptionJobRequest.builder()
      .transcriptionJobName(transriptionJobName)
      .languageCode(LanguageCode.EsUS).settings(transcriptionSettings)
      .media(media).outputBucketName(BUCKET_NAME)
      .outputKey(outPutLocation)
      .build();

【讨论】：

【解决方案3】：

您可以使用 Amazon Transcribe。它是一种自动语音识别 (ASR) 服务，使开发人员可以轻松地将语音转文本功能添加到他们的应用程序中。使用 Amazon Transcribe API，您可以分析存储在 Amazon S3 中的音频文件，并让服务返回转录语音的文本文件。

有关更多信息，请参阅文档here。

【讨论】：