我正在研究一个关于将语音转录成文本的功能,我正在使用谷歌语音到文本API与nextjs/react.我使用浏览器的MediaRecorder API录制音频.用它录制的音频,如果我在谷歌语音到文本中使用它,它会返回一个空的转录.但如果我使用Audacity软件中录制的音频,它会返回转录.
下面是我的客户端代码:
const startRecording = () => {
navigator.mediaDevices
.getUserMedia({ audio: true })
.then((stream) => {
const recorder = new MediaRecorder(stream, {
mimeType: "audio/webm; codecs=opus",
bitsPerSecond: 128000,
sampleRate: 48000,
echoCancellation: true,
noiseSuppression: true,
channelCount: 1,
});
const chunks = [];
recorder.addEventListener("dataavailable", (event) => {
chunks.push(event.data);
});
recorder.addEventListener("stop", () => {
const blob = new Blob(chunks, { type: "audio/wav" });
const url = URL.createObjectURL(blob);
setAudioUrl(url);
setRecording(false);
setAudioBlob(blob); // Update the audioBlob state variable
});
recorder.start();
setMediaRecorder(recorder);
setRecording(true);
})
.catch((error) => {
console.log(error);
});
};
下面是我的服务器代码:
async function transcribeContextClasses() {
const file = fs.readFileSync("public/audio/1680169074745_audio.wav");
const audioBytes = file.toString("base64");
const audio = {
content: audioBytes,
};
const speechContext = {
phrases: ["$TIME"],
};
const config = {
encoding: "LINEAR16",
sampleRateHertz: 48000,
languageCode: "en-US",
speechContexts: [speechContext],
};
const request = {
config: config,
audio: audio,
};
const [response] = await speechClient.recognize(request);
const transcription = response.results
.map((result) => result.alternatives[0].transcript)
.join("\n");
console.log(`Transcription: ${transcription}`);
}
现在我保存录制的音频文件,并手动输入到我的服务器端代码,这样我就可以测试其他软件录制的其他音频。
1条答案
按热度按时间bxfogqkk1#
我能够解决我的问题。我只是改变了我的编码从这个:
encoding: "LINEAR16"
为:encoding: 'WAV'
,因为我使用wav格式。