如何在Mac OS终端中(或通过gcloud web UI)访问已完成的Gcloud ml语音到文本操作的输出？

Question

我成功地安装了Gcloud for Mac OS (终端使用)。我想出了如何运行正确的命令，将一个60分钟的2人面试MP3文件从语音转换为文本。作业已成功完成("Describe“命令显示100%已完成)。我在Gcloud网站、Mac上的本地文件或通过终端找不到文本转录文件/输出。

已对该命令尝试各种标志，包括--user-out-enabled。没有变化。对每(3)次尝试使用"describe“，它只表示作业已成功完成。

我运行的最后一次尝试：

gcloud ml speech recognize-long-running  'gs://transcription-conversions/myfile.mp3' --async --language-code="en-US" --encoding="LINEAR16" --sample-rate=16000 --user-output-enabled

然后，我运行此命令来查看作业是否正常完成。我认为确实是这样的：

gcloud ml speech operations describe  

{
  "done": true,
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.speech.v1.LongRunningRecognizeMetadata",
    "lastUpdateTime": "2019-04-23T22:48:10.075437Z",
    "progressPercent": 100,
    "startTime": "2019-04-23T22:45:20.132178Z"
  },
  "name": "12345"
}

但是，我不确定在哪里/如何获得上面显示的12345作业/名称的文本输出。文字记录在哪里？我如何访问它？

Answer 1

我重现了这个问题，对于我来说，只有mp3格式才会发生这个问题，你能不能把你的文件转换成flac格式的1，然后不带格式参数运行你的命令？

下面是一个示例：

ffmpeg -i myfile.mp3 -c:a flac myfile.flac

gcloud ml speech recognize-long-running 'gs://transcription-conversions/myfile.flac' --language-code='en-US'

Answer 2

目前MP3格式不是supported，您应该遵循我们的Feature Request。

如果转换为支持的编码不理想，您可以使用API尝试MP3转换，但是不能保证quality。这就是为什么你不会收到任何输出，因为目前只有接口将接受MP3编码。

Answer 3

对于google cloud speech to text：

文档建议使用16000 at的.wav文件

16bit 16000Hz mono .wav为我工作过。

我拿起我的原始录音(或从视频中翻录)，并使用一些EQ和语音限制效果(使用免费软件Audacty或Adobe Audition)，然后以上述格式进行save as -然后将其上传到gc存储，然后在其上运行ml speech。

要访问转录(输出)，您需要在命令末尾使用>运算符将其写入文件，如下面的> my-file.txt…(见下文)

顺便说一句，你也可以使用ml speech的alpha版本。它接受更多的标志，以帮助AI进行转录。我的命令看起来像这样：

gcloud alpha ml speech recognize-long-running gs://my-bucket/my-audio-16bit-16k.wav --language-code=en-US --enable-automatic-punctuation --sample-rate=16000 --max-alternatives=1 --interaction-type=dictation --original-media-type=video --recording-device-type=pc --naics-code=541613 > my-transcript.txt

…您可以看到，我将输出写入.txt

下面是有关alpha的文档：https://cloud.google.com/sdk/gcloud/reference/alpha/ml/speech/recognize-long-running