如何使用来翻译实时流？

Question

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

我试了两个星期这个API，但仍然不能解决我的主要目的(翻译现场流媒体)。

我正在使用PHP。(允许其他语言建议，我会自己找到的)

我在两周内能做的是：

1. 同步语音识别(<=1min)
2. 异步语音识别(>1 1min和<=80min)。备注：我可以修改这个以接受3小时的视频。
3. 麦克风的实时语音识别：https://www.google.com/intl/en/chrome/demos/speech.html
4. 更新：在音频持续时间小于6秒的情况下执行流API。

我不能做的是：

1. 如何翻译现场直播。例:无线流媒体(允许延迟)
2. 视频/音频播放时如何翻译。(允许延迟)

更新：

我也在github上问这个问题。但既然没有人回答，我就问这里。

摘要：

我可以执行语音流，但只有6秒的音频。这与我所期望的不一样。我的期望是认识到无限的持续时间(似乎我们不知道什么时候广播流将结束)。

谢谢你的帮助。我非常感激

更新：

以批准我不能使用超过6秒的视频。所以我写了这个：

我尝试这个视频interview.mp4并使用这个ffmpeg -i interview.mp4 -c:a flac -ar 16000 -ac 1 -sample_fmt s16 interview.flac将它与ffmpeg转换为interview.flac。

我使用这个图书馆来转录视频，使用以下命令：

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.

它不会太长，因为视频的持续时间只有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API调用。您可以在PHP中找到这样做的示例。