Я использую библиотеку SpeechRecognition Python для выполнения операций преобразования речи в текст. Я использую функцию recognize_google_cloud
для использования Google Cloud Speech-to-Text API.
Вот мой код:
import speech_recognition as sr;
import json;
j = '';
with open('key.json', 'r') as f:
j = f.read().replace('\n', '');
js = json.loads(j);
r = sr.Recognizer();
mic = sr.Microphone();
with candide as source:
audio = r.record(source);
print(r.recognize_google_cloud(audio, language='fr-FR', preferred_phrases=['pistoles', 'disait'], credentials_json=j));
Функция recognize_google_cloud
отправляет данные, захваченные микрофоном, в Google API и выбирает наиболее вероятную транскрипцию заданной речи среди набора альтернатив.
Параметр preferered_phrases
, как объясняется на этой странице документации, используется для выбора другой альтернативы, содержащей перечисленные слова.
Улучшить эти результаты можно с помощью повышения речевой адаптации. Поскольку версия библиотеки SpeechRecognition не позволяет указать значение усиления, я обновил файл speech_recognition/__init__.py
, указав жестко закодированное значение усиления:
if preferred_phrases is not None:
speech_config["speechContexts"] = {"phrases": preferred_phrases, "boost": 19}
К сожалению, когда я выполняю свой код, я получаю следующую ошибку:
Traceback (most recent call last):
File "/home/pierre/.local/lib/python3.8/site-packages/speech_recognition/__init__.py", line 931, in recognize_google_cloud
response = request.execute()
File "/home/pierre/.local/lib/python3.8/site-packages/googleapiclient/_helpers.py", line 134, in positional_wrapper
return wrapped(*args, **kwargs)
File "/home/pierre/.local/lib/python3.8/site-packages/googleapiclient/http.py", line 915, in execute
raise HttpError(resp, content, uri=self.uri)
googleapiclient.errors.HttpError: <HttpError 400 when requesting https://speech.googleapis.com/v1/speech:recognize?alt=json returned "Invalid JSON payload received. Unknown name "boost" at 'config.speech_contexts': Cannot find field.". Details: "[{'@type': 'type.googleapis.com/google.rpc.BadRequest', 'fieldViolations': [{'field': 'config.speech_contexts', 'description': 'Invalid JSON payload received. Unknown name "boost" at \'config.speech_contexts\': Cannot find field.'}]}]">
During handling of the above exception, another exception occurred:
Traceback (most recent call last):
File "spech_reco.py", line 23, in <module>
print(r.recognize_google_cloud(audio, language='fr-FR', preferred_phrases=['pistoles', 'disait'], credentials_json=j));
File "/home/pierre/.local/lib/python3.8/site-packages/speech_recognition/__init__.py", line 933, in recognize_google_cloud
raise RequestError(e)
speech_recognition.RequestError: <HttpError 400 when requesting https://speech.googleapis.com/v1/speech:recognize?alt=json returned "Invalid JSON payload received. Unknown name "boost" at 'config.speech_contexts': Cannot find field.". Details: "[{'@type': 'type.googleapis.com/google.rpc.BadRequest', 'fieldViolations': [{'field': 'config.speech_contexts', 'description': 'Invalid JSON payload received. Unknown name "boost" at \'config.speech_contexts\': Cannot find field.'}]}]">
В моем запросе есть ошибка?
Насколько я понимаю, вы модифицируете speech_recognition/__init__.py
файл библиотеки SpeechRecognition, чтобы включить в свой запрос параметр «boost».
При просмотре этого файла я заметил, что он использует версию v1 API; однако параметр «boost» поддерживается только в версии «v1p1beta1»
Следовательно, еще одна адаптация, которую вы могли бы внести в код, заключается в следующем:
`speech_service = build ("speech","v1p1beta1", credentials = api_credentials, cache_discovery = False)`
С этой модификацией вы больше не должны видеть ошибку BadRequest
.
В то же время учтите, что эта библиотека является сторонней библиотекой, внутри которой используется Google Speech-to-text API. Поэтому, если эта библиотека не покрывает все ваши текущие потребности, другой альтернативой может быть создание вашей собственной реализации напрямую с использованием клиентской библиотеки API Python для преобразования речи в текст .
Похоже на то вот так. Я пробовал много комбинаций, используя распознавание речи и параметр
preferred_phrases
и усиление звука, но ничего не получалось.