如何组合几个 base64 音频块（来自麦克风）

Question

我从麦克风获取 base64 块。

我需要将它们连接起来并作为一个 base64 string 发送到 Google API 以进行语音识别。粗略地说，在第一个块中单词 Hello 被编码，在第二个块中编码 world!。我需要粘合两个块，将它们发送到一行的 google api 并接收 Hello world! 作为响应

你可以看Google Speech-to-Text作为例子。 Google 还使用 websockets 从 base64 string 中的麦克风发送数据（参见 Network）。

很遗憾，我手边没有麦克风 - 我无法查看。我们必须现在就做。

假设我得到

chunk1 = "TgvsdUvK ...."
chunk2 = "UZZxgh5V ...."

我是不是理解错了就够了

base64.b64encode (chunk1 + chunk2))

或者您还需要了解其他信息吗？不幸的是，一切都取决于缺少麦克风（

Answer 1

您的编码示例 chunk1 + chunk2 将不起作用，因为 base64 字符串末尾有填充。如果您只是将两个 base64 字符串连接在一起，则无法对其进行解码。

例如，字符串 StringA 和 StringB，当它们的 ascii 或 utf-8 表示以 base64 编码时，如下所示：U3RyaW5nQQ== 和 U3RyaW5nQg== .每一个都可以很好地解码。但是，如果您将它们连接起来，您的结果将是 U3RyaW5nQQ==U3RyaW5nQg==，这是无效的：

concatenated_b64_strings = 'U3RyaW5nQQ==U3RyaW5nQg=='
concatenated_b64_strings_bytes = concatenated_b64_strings.encode('ascii')
decoded_strings = base64.b64decode(concatenated_b64_strings_bytes)
print(decoded_strings.decode('ascii')) # just outputs 'StringA', which is incorrect

因此，为了获取这两个字符串（我将其用作代替二进制数据的示例）并将它们连接在一起，仅从它们的 base64 表示开始，您必须对它们进行解码：

import base64

string1_base64 = 'U3RyaW5nQQ=='
string2_base64 = 'U3RyaW5nQg=='

# need to convert the strings to bytes first in order to decode them
base64_string1_bytes = string1_base64.encode('ascii')
base64_string2_bytes = string2_base64.encode('ascii')

# now, decode them into the actual bytes the base64 represents
base64_string1_bytes_decoded = base64.decodebytes(base64_string1_bytes)
base64_string2_bytes_decoded = base64.decodebytes(base64_string2_bytes)

# combine the bytes together
combined_bytes = base64_string1_bytes_decoded + base64_string2_bytes_decoded

# now, encode these bytes as base64
combined_bytes_base64 = base64.encodebytes(combined_bytes)

# finally, decode these bytes so you're left with a base64 string:
combined_bytes_base64_string = combined_bytes_base64.decode('ascii')
print(combined_bytes_base64_string) # output: U3RyaW5nQVN0cmluZ0I=

# let's prove that it concatenated successfully (you wouldn't do this in your actual code)
base64_combinedstring_bytes = combined_bytes_base64_string.encode('ascii')
base64_combinedstring_bytes_decoded_bytes = base64.decodebytes(base64_combinedstring_bytes)
base64_combinedstring_bytes_decoded_string = base64_combinedstring_bytes_decoded_bytes.decode('ascii')
print(base64_combinedstring_bytes_decoded_string) # output: StringAStringB

在您的情况下，您要合并的不仅仅是两个输入的 base64 字符串，但过程是相同的。获取所有字符串，将每个字符串编码为 ascii 字节，通过 base64.decodebytes() 解码它们，然后通过 += 运算符将它们全部加在一起：

import base64

input_strings = ['U3RyaW5nQQ==', 'U3RyaW5nQg==']
input_strings_bytes = [input_string.encode('ascii') for input_string in input_strings]
input_strings_bytes_decoded = [base64.decodebytes(input_string_bytes) for input_string_bytes in input_strings_bytes]
combined_bytes = bytes()
for decoded in input_strings_bytes_decoded:
    combined_bytes += decoded
combined_bytes_base64 = base64.encodebytes(combined_bytes)
combined_bytes_base64_string = combined_bytes_base64.decode('ascii')
print(combined_bytes_base64_string) # output: U3RyaW5nQVN0cmluZ0I=

如何组合几个 base64 音频块（来自麦克风）

How can combine few base64 audio chunks (from microphone)

python

base64

microphone

speech-to-text

python-3.x