使用谷歌Cloud Speech API将语音转换为文字

Google Cloud Speech API是由谷歌云平台提供的，利用机器学习技术将语音转换为文字的服务。这个API能识别超过80种语言和语言变体，包括中文、日语、英语甚至广东话。此次，我总结了使用Google Cloud Speech API的基本流程。

花5秒钟试用Cloud Speech API吧

在Cloud Speech API概览页，咱们能够体验将语音转换为文字的效果。只须要选择一种语言便可开始使用，甚至不须要登陆谷歌帐号。（加载出来须要一些时间）

在项目中添加API

使用Cloud Speech API须要登陆谷歌云平台并申请免费试用，申请试用谷歌云平台的流程能够参考这篇文章 。

咱们假定你可以使用谷歌云平台，而且已经建立了一个项目，下面介绍如何把Cloud Speech API添加到项目中。

点击控制台左上角的 ☰ 打开导航栏，找到 API和服务 → 库 。

在搜索框中键入 Speech 便可找到 Cloud Speech API 。

打开API页面，点击 启用 。

建立API密钥

回到以前的页面，选择 凭据 → 建立凭据 → API密钥 。

立刻 API密钥 就建立好了，虽然随时都能在这个页面查询，但为了方便起见，将其记录下来备用吧，很快就要用到它。

限制密钥 选项默认状况下应该是“无”，此次只是试着使用API，保持默认“无”便可。

准备声音文件

虽然有些麻烦，可是接下来咱们要准备声音文件。Cloud Speech API没办法直接识别mp三、mp4中的声音，咱们须要准备FLAC、WAV格式的音频。并且仅支持单声道音频，因此通常都须要转码之类的工做。

详细的声音文件要求参见：AudioEncoding | Google Cloud Speech API

基于上述状况，我读了下面这段文稿，并制成了FLAC格式（单声道）的声音文件。是用手机麦克风进行录音的，质量通常(´・ω・｀) 是否能够正确识别呢？

voice.flac

寄蜉蝣于天地，渺沧海之一粟。哀吾生之须臾，羡长江之无穷。挟飞仙以遨游，抱明月而长终。

《赤壁赋》

将声音文件上传到Cloud Storage

若是要使用Cloud Speech API识别本地声音文件，必须将音频文件编码为base64，而后嵌入到稍后将建立的json请求文件中，这虽然可行但并不方便。若是你想使用这种方法，请参考：Embedding Base64 encoded audio | Google Cloud Speech API

咱们将使用另外一种方案，将声音文件上传到Google Cloud Storage。

点击控制台左上角的 ☰ 打开导航栏，找到 存储 → 浏览器 。

点击 建立存储分区 。

输入合适的 存储分区名称，后文将要用到。默认存储类别选择"Multi-Regional"，Multi-Regional位置选择"亚洲"。点击 建立 。

点击 上传文件 ，上传声音文件，勾选 公开连接 。（该音频将能被任何人访问，请注意）

2018年10月18日更新：
刚看了一下，页面有所改变，暂时没找到公开单个音频文件的方法。
你能够这样作，把整个存储分区公开：
导航栏→存储→浏览器→存储分区最后有个选项，点开来→修改存储分区权限→“添加成员”填“allUsers”，“角色”选“存储对象查看者”→添加
注意：这样该分区内全部内容均可能被任何人访问到

另外，请记住上传文件的 文件名 ，后文将用到。

将语音转换为文字

终于，可使用Cloud Speech API将语音转换为文字了。

首先，咱们新建一个json格式的请求文件（request.json）。文件名无特殊要求。

{
  "config":
  {
    "encoding":"FLAC",
    "languageCode":"cmn-Hans-CN"
  },

  "audio":
  {
    "uri":"gs://存储分区名称/文件名"
  }
}

注意3个地方：

cmn-Hans-CN ：表示识别语言为中文普通话。经常使用的还有American English (en-US)、British English (en-GB)、日本語(ja-JP)、廣東話(yue-Hant-HK)。更多语言支持能够在Language Support | Google Cloud Speech API查询。

存储分区名称 ：刚才是否有记录下来呢？若是没有记住能够点击控制台左上角的 ☰ 打开导航栏，找到 存储 → 浏览器 查看。

文件名 ：存储在Cloud Storage中的音频文件名，能够在存储分区中查看。

最后，咱们使用curl命令（Windows平台需另外安装）向Cloud Speech API发出请求。

cd到json请求文件所在目录。

curl -H "Content-Type: application/json" -d @ request.json "https://speech.googleapis.com/v1/speech:recognize?key= API密钥"

注意2个加粗处：

request.json ：json请求文件的文件名。

API密钥 ：替换为你记录下来的API密钥。若是没有记下来，能够点击控制台左上角的 ☰ 打开导航栏，找到 API和服务 → 凭据 查看。

获得结果：

能够看到返回结果也是json格式的数据。"confidence"是置信度，越接近1准确性越高。

小结

第一次尝试语音识别服务，获得结果的时候很开心。或许有人会惊讶上例语音识别的准确性，但正如文章开头所说“Cloud Speech API是利用机器学习技术将语音转换为文字的服务”，像上例中这样的俗语、名著甚至是歌词，准确率都出奇地高。若是你录制一段平常语音交给Cloud Speech API识别，结果就不那么满意了。

最后，此次只是使用curl命令在LX终端得到了识别结果，下次将会总结如何在编程语言中使用Cloud Speech API。

感谢你阅读文章！