我试图使用语音识别库将语音转换为文本。但是当我运行代码时,它显示了有关音频类型的值错误,我试图将文件格式更改为许多音频格式,例如:"PCM、WAV、AIFF、AIFF-C、Mp3、Mp4、FLAC、WebM、wav.“通过重命名文件扩展名。但是,它仍然显示出同样的错误。
错误:
ValueError:音频文件无法读取为PCM、AIFF/AIFF-C或本机FLAC;检查文件是否损坏或以其他格式
“守则”:
import speech_recognition as sr
filename = "hello.mp3"
r = sr.Recognizer()
with
我正在制作一个应用程序,用户浏览器记录用户发言并将其发送到服务器,然后服务器将其传递到Google语音到文本界面。我正在使用mediaRecorder获取1秒的blobs,这些blobs被发送到服务器。在服务器端,我把这些小块发到Google语音到文本界面。然而,我得到的是一份空白的抄写本。
我知道问题出在哪里。Media记录器默认的Mime音频/WebM codec=opus,它不被所接受。在做了一些研究之后,我意识到我需要使用ffmpeg将blobs转换为LInear16。但是,ffmpeg只接受音频文件,我希望能够转换BLOBS。然后,我可以将转换后的blobs发送到API接口。
ser