首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >为什么从Azure到文本的语音速度如此之慢?

问为什么从Azure到文本的语音速度如此之慢?
EN

Stack Overflow用户
提问于 2019-11-07 23:57:17
回答 1查看 358关注 0票数 1

我正在使用Azure Speech To Text API来识别小的语音录音,从10秒到1分钟。每个语音识别大约需要5秒才能完成,这似乎有点太长了!

我是这样做的:

代码语言:javascript
复制
speech_config = speechsdk.SpeechConfig(subscription=speech_key, 
                                   region=service_region, 
                                   speech_recognition_language=language)
audio_config = speechsdk.audio.AudioConfig(filename=filepath)
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, 
                                               audio_config=audio_config)

result = speech_recognizer.recognize_once()

我尝试使用timeit找出瓶颈

代码语言:javascript
复制
print(timeit.timeit(lambda : speechsdk.SpeechConfig(subscription=speech_key, 
                                     region=service_region, 
                                     speech_recognition_language=language), 
                    number=100))
>>> 0.004
print(timeit.timeit(lambda : speechsdk.audio.AudioConfig(filename=filepath), 
                    number=100))
>>> 0.003
print(timeit.timeit(lambda : speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config),
                   number=100))
>>> 0.118

print(timeit.timeit(lambda : print(speech_recognizer.recognize_once()),
                   number=5)) # Only doing this 5 times because it's very slow
>>> 35.01

我实际上使用了一个包装器函数来重新初始化speech_recognizer,因为对它调用recognize()会使它不可用。

在这个实验中,转录一个11秒的录音大约需要7秒。

我正在用service_region = "westeurope"将音频文件转录成法语

EN

回答 1

Stack Overflow用户

发布于 2019-12-07 07:37:21

如果音频长度为10s,则识别需要5s。

这似乎仍然是合理的。RTF为5/10 = 0.5

语音记录是一个繁重的过程,算法和模型需要时间才能运行

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58752529

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档