IBM Watson语音转文本无法对数据流音频/WebM音频/x浮点数组媒体MIME类型进行代码转换 [英] IBM Watson Speech-to-Text "unable to transcode data stream audio/webm -> audio/x-float-array" media MIME types

问题描述

我正在使用mediaDevices.getUserMedia()在Chrome中录制短音频文件(几秒钟)，将文件保存到Firebase存储，然后尝试将文件发送到IBM Watson语音到文本。我收到以下错误消息：

unable to transcode data stream audio/webm -> audio/x-float-array

我在浏览器中设置了麦克风：

navigator.mediaDevices.getUserMedia({ audio: true, video: false })
.then(stream => {

var options = {
   audioBitsPerSecond : 128000,
   mimeType : 'audio/webm'
};

const mediaRecorder = new MediaRecorder(stream, options);
mediaRecorder.start();
...

根据this answerChrome仅支持两种媒体类型

audio/webm
audio/webm;codecs=opus

我都试过了。

以下是我发送给IBM Watson的内容：

curl -X POST -u "apikey:my-api-key" 
--header "Content-Type: audio/webm" 
--data-binary "https://firebasestorage.googleapis.com/v0/b/my-app.appspot.com/my-file" 
--url "https://api.us-south.speech-to-text.watson.cloud.ibm.com/instances/01010101/v1/recognize"

supported MIME types的列表包括webm和webm;codecs=opus。

我尝试录制并发送ogg格式的文件，但收到相同的错误信息：

curl -X POST -u "apikey:my-api-key" 
--header "Content-Type: audio/ogg" 
--data-binary @/Users/TDK/LanguageTwo/public/1.ogg 
--url "https://api.us-south.speech-to-text.watson.cloud.ibm.com/instances/01010101/v1/recognize"

我尝试了IBM的示例音频文件，它工作得很好：

"transcript": "several tornadoes touched down as a line of severe thunderstorms swept through Colorado on Sunday "

我收到来自Google Cloud语音到文本的similar error message。

推荐答案

创建一个名为watsonstt.sh的bash脚本(我建议保存在~/bin/中)，粘贴下面的内容，将apikey、url和savepath变量内容替换为您自己的内容，并按照注释的建议调用脚本，包括单个参数的引号(以处理空格)。

撰写本文时，在IBM Watson云Web界面的"管理"选项卡中提供了API凭据，您需要使用信用卡/借记卡详细信息进行注册。

#!/bin/bash

# call this script with one argument for posix file path parameter in quotes e.g.: 
# watsonstt.sh "/user/name/file.mp3"

# 500 mins per month for free
# https://www.ibm.com/watson/developercloud/speech-to-text/api/v1/curl.html?curl#get-token

apikey=XXXXXXXXXXXX
url=YYYYYYYYYY
savepath=~/Desktop/${1##*/}.txt

curl -X POST -u "apikey:$apikey" --header "Content-Type: audio/${1##*.}" --data-binary @"$1" "$url/v1/recognize?timestamps=true&max_alternatives=3" -o "${savepath}"

这篇关于IBM Watson语音转文本无法对数据流音频/WebM音频/x浮点数组媒体MIME类型进行代码转换的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！