如何在python中使用google语音识别api？

Question

我有一个 mp3 文件，我想使用 Google 的语音识别功能从该文件中提取文本。任何可以找到文档或示例的想法都将不胜感激。

Answer 1

看看 Google Cloud Speech API，它使开发人员能够将音频转换为文本 [...] API 可识别 80 多种语言和变体 [...] 您可以创建一个免费帐户来获得数量有限的 API 请求。

如何：

您需要先安装 gcloud python module & google-api-python-client 模块：

pip install --upgrade gcloud
pip install --upgrade google-api-python-client

然后在 Cloud Platform Console 中，转到“项目”页面并 select 或创建一个新项目。在您需要为您的项目启用计费之后，然后 enable Cloud Speech API.

启用 Google Cloud Speech API 后，单击转到凭据按钮以设置您的 Cloud Speech API 凭据

请参阅 Set Up a Service Account 了解有关如何从您的代码授权云语音 API 服务的信息

您应该获得一个服务帐户密钥文件（在 JSON 中）和一个 GOOGLE_APPLICATION_CREDENTIALS 环境变量，它将允许您对 Speech API

进行身份验证

完成后，download the audio raw file from google and also the speech-discovery_google_rest_v1.json 来自 google

修改之前下载的 JSON 文件以设置您的凭据密钥然后确保已将 GOOGLE_APPLICATION_CREDENTIALS 环境变量设置为 .json 文件的完整路径：

export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service_account_file.json

还有

确保您已将 GCLOUD_PROJECT 环境变量设置为 Google 云项目的 ID：

export GCLOUD_PROJECT=your-project-id

假设全部完成，您可以创建一个 tutorial.py 文件，其中包含：

import argparse
import base64
import json

from googleapiclient import discovery
import httplib2
from oauth2client.client import GoogleCredentials


DISCOVERY_URL = ('https://{api}.googleapis.com/$discovery/rest?'
                 'version={apiVersion}')


def get_speech_service():
    credentials = GoogleCredentials.get_application_default().create_scoped(
        ['https://www.googleapis.com/auth/cloud-platform'])
    http = httplib2.Http()
    credentials.authorize(http)

    return discovery.build(
        'speech', 'v1beta1', http=http, discoveryServiceUrl=DISCOVERY_URL)


def main(speech_file):
    """Transcribe the given audio file.

    Args:
        speech_file: the name of the audio file.
    """
    with open(speech_file, 'rb') as speech:
        speech_content = base64.b64encode(speech.read())

    service = get_speech_service()
    service_request = service.speech().syncrecognize(
        body={
            'config': {
                'encoding': 'LINEAR16',  # raw 16-bit signed LE samples
                'sampleRate': 16000,  # 16 khz
                'languageCode': 'en-US',  # a BCP-47 language tag
            },
            'audio': {
                'content': speech_content.decode('UTF-8')
                }
            })
    response = service_request.execute()
    print(json.dumps(response))

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        'speech_file', help='Full path of audio file to be recognized')
    args = parser.parse_args()
    main(args.speech_file)

然后运行:

python tutorial.py audio.raw

如何在python中使用google语音识别api？

How to use google speech recognition api in python?

python

speech-recognition

google-api

google-speech-api