如何使用 google 语音 api 翻译直播？

Question

这是 Google 演讲 API 文档：https://cloud.google.com/speech/docs/sync-recognize

这个API我试了2周了，还是没能解决我的主要目的（翻译直播）。

我正在使用 PHP。（其他语言建议也可以，我自己找）

What I can do in my 2 weeks:

同步语音识别（<=1分钟）
异步语音识别（>1 分钟且 <=80 分钟）。注意：我可以修改这个以接受3小时的视频。
麦克风实时语音识别：https://www.google.com/intl/en/chrome/demos/speech.html
更新：执行流式传输API，音频持续时间少于 6 秒。

What can't I do is:

如何翻译直播。例如：广播流媒体（允许延迟）
video/audio 播放时如何翻译。（允许延迟）

更新：

我也在googlegithub上问过这个问题。但由于没有答案，我问 here.

总结：

我可以执行语音流，但只能使用 6 秒的音频。这不像我预期的那样。我的期望是承认无限时长（似乎我们不知道无线电流何时结束）。

感谢您的帮助。非常感谢

更新：

同意我不能使用超过 6 秒的视频。所以我这样写：

我尝试使用此 ffmpeg -i interview.mp4 -c:a flac -ar 16000 -ac 1 -sample_fmt s16 interview.flac 视频 interview.mp4 and convert it with ffmpeg to interview.flac。

我用这个 library 使用这个命令转录视频：

php speech.php transcribe --encoding FLAC --language-code en-US --sample-rate 16000 --stream interview.flac

结果是：

  [Google\GAX\ApiException]
  Invalid 'audio_content': too long.

不能太长，因为视频时长只有48秒。这是 ffmpeg 结果的元数据：

Output #0, flac, to 'interview.flac':
  Metadata:
    major_brand     : isom
    minor_version   : 512
    compatible_brands: isomiso2avc1mp41
    encoder         : Lavf57.72.101
    Stream #0:0(und): Audio: flac, 16000 Hz, mono, s16, 128 kb/s (default)
    Metadata:
      handler_name    : SoundHandler
      encoder         : Lavc57.92.100 flac
size=     810kB time=00:00:48.01 bitrate= 138.1kbits/s speed= 108x
video:0kB audio:801kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 1.019650%

Answer 1

您需要使用StreamingRecognize API call. You can find an example of doing that in PHP here。

如何使用 google 语音 api 翻译直播？

How to translate live streaming using google speech api?

php

speech-recognition

speech-to-text

google-speech-api