Watson NarrowBand Speech to Text не принимает файл ogg

Приложение NodeJS с использованием ffmpeg для создания файлов ogg из mp3 и mp4. Если исходный файл является широкополосным, Watson Speech to Text принимает файл без проблем. Если исходный файл является узкополосным, Watson Speech to Text не может прочитать файл ogg. Я протестировал вывод ffmpeg, и узкополосный файл ogg имеет тот же аудиоконтент (например, я могу его слушать и слышать тех же людей), что и файл mp3. Да, заранее меняю вызов Watson, чтобы правильно указать модель и content_type. Код следующий:

exports.createTranscript = function(req, res, next)
{ var _name = getNameBase(req.body.movie);
  var _type = getType(req.body.movie);
  var _voice = (_type == "mp4") ? "en-US_BroadbandModel" : "en-US_NarrowbandModel" ;
  var _contentType = (_type == "mp4") ? "audio/ogg" : "audio/basic" ;
  var _audio = process.cwd()+"/HTML/movies/"+_name+'ogg';
  var transcriptFile = process.cwd()+"/HTML/movies/"+_name+'json';

  speech_to_text.createSession({model: _voice}, function(error, session) {
    if (error) {console.log('error:', error);}
    else
      {
        var params = { content_type: _contentType, continuous: true,
         audio: fs.createReadStream(_audio),
          session_id: session.session_id
          };
          speech_to_text.recognize(params, function(error, transcript) {
            if (error) {console.log('error:', error);}
            else
              { fs.writeFile(transcriptFile, JSON.stringify(transcript), function(err) {if (err) {console.log(err);}});
                res.send(transcript);
              }
          });
      }
  });
}

_type - это либо mp3 (узкополосный из записи с телефона), либо mp4 (широкополосный). model: _voice был отслежен для обеспечения правильной настройки content_type: _contentType был отслежен для обеспечения правильной настройки

Любой файл ogg, отправленный в функцию «Преобразование речи в текст» с узкополосными настройками, не проходит Error: No speech detected for 30s. Проверено как с реальными узкополосными файлами, так и с просьбой Watson прочитать широкополосный файл ogg (созданный из mp4) как узкополосный. То же сообщение об ошибке. Что мне не хватает?


node.js ffmpeg speech-to-text watson
person Bob Dill    schedule 18.01.2017    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Документация по Watson Speech to Text в этом вопросе сбивает с толку. Документация, здесь, указывает, что при использовании узкополосной модели этот content_type должен быть установлен на audio/basic. Это неверно. В этом примере входящий аудиофайл является узкополосным, но это файл ogg, поэтому content_type все равно должно быть audio/ogg. Это единственное изменение решает проблему.

person Bob Dill    schedule 18.01.2017
comment
audio / basic (используйте звук в этом формате только с узкополосными моделями.) - person Daniel Bolanos; 19.01.2017
comment
Привет, Боб, я считаю, что то, что говорится в документации, является аудио / базовым (используйте аудио в этом формате только с узкополосными моделями.), Что означает, что если вы используете этот аудиоформат, вы можете использовать только узкополосные модели. - person Daniel Bolanos; 19.01.2017
comment
Да, Дэни, это правильное понимание предложения. audio / basic можно использовать только с узкополосными моделями, но узкополосные модели можно использовать с другими типами. - person Jeff; 19.01.2017
comment
В этом примере я создаю файл ogg из mp3-записи телефонного разговора. В данном случае mp3 является узкополосным, захватывается только 8 кГц. Watson требует файл ogg для преобразования речи в текст, поэтому content_type ДОЛЖЕН быть audio / ogg, даже если в документации указано, что audio.basic следует использовать при отправке узкополосных файлов. если вы используете audio / basic с файлом и ogg, приложение не сработает. - person Bob Dill; 19.01.2017