Google 的演讲 API 的 MP3 到 FLAC

Question

我正在尝试找到一种简单的方法来将 MP3 发送到 Google 以进行语音识别。目前，我正在使用子进程调用 SoX，将其转换为 WAV。然后，使用 SpeechRecognition，它再次将其转换为 FLAC。理想情况下，我想要一种更便携（不是 OS 特定）的方式来解码 MP3 并在不保存中间文件等的情况下发送它。

这是我目前拥有的：

import speech_recognition as sr
import subprocess
import requests

audio = requests.get('http://somesite.com/some.mp3')

with open('/tmp/audio.mp3', 'wb') as file:
    file.write(audio.content)

subprocess.run(['sox', '/tmp/audio.mp3', '/tmp/audio.wav'])

r = sr.Recognizer()
with sr.WavFile('/tmp/audio.wav') as source:
    audio = r.record(source)

result = r.recognize_google(audio)
del r

我试过直接使用 SpeechRecognition 中包含的 FLAC 二进制文件，但输出只是静态的。我不太热衷于在 Git 上分发二进制文件，但如果这是唯一的方法，我会的。

一些重要链接：

SR's code for speech recognition

SR's code for WAV to FLAC

编辑

我正在考虑以一种类似于 FLAC 二进制文件的方式分发 SoX，每个文件一个 OS，如果 SoX 的许可证允许的话...

转念一想，软件许可证令人困惑，我不想惹它。

Answer 1

我决定这样做：

import subprocess
import requests
import shutil
import glob
import json

audio = requests.get('http://somesite.com/some.mp3')
sox = shutil.which('sox') or glob.glob('C:\Program Files*\sox*\sox.exe')[0]
p = subprocess.Popen(sox + ' -t mp3 - -t flac - rate 16k', stdin = subprocess.PIPE, stdout = subprocess.PIPE, shell = True)
stdout, stderr = p.communicate(audio.content)
url = 'http://www.google.com/speech-api/v2/recognize?client=chromium&lang=en-US&key=AIzaSyBOti4mM-6x9WDnZIjIeyEU21OpBXqWBgw'
headers = {'Content-Type': 'audio/x-flac; rate=16000'}
response = requests.post(url, data = stdout, headers = headers).text

result = None
for line in response.split('\n'):
    try:
        result = json.loads(line)['result'][0]['alternative'][0]['transcript']
        break
    except:
        pass

我想这更像是一个中间立场，我想从 SR 模块借用一些东西。它需要用户安装 SoX，但是应该可以在所有 OS 上工作并且没有任何中间文件。然而，我只在 Linux 上测试过。

Google 的演讲 API 的 MP3 到 FLAC

MP3 to FLAC for Google's Speech API

python

speech-recognition