大家一起来分析google语音搜索API,Speex编码问题

ghostsys 2011-10-28 04:41:12
想用Google 语音搜索的API，Chrome 浏览器上就使用了，以前chrome上使用的是speex语音编码，非常好，一段话编码后就几K，音质也很清晰，可没几天Google就换成Flac编码了，这样说一句话起码上百K，实在搞不懂为什麽要换Flac。不过speex编码的接口依然能用，可是就是生成不了符合要求的speex编码音频，Flac只要符合16000采样率就行，是标准的Flac数据头，测试通过。

API地址：http://www.google.com/speech-api/v1/recognize?lang=zh&client=chromium&xjerr=1&maxresults=1

Content-Type: audio/x-speex-with-header-byte; rate=16000

识别成功了就会返回json数据

我用speexenc.exe 将PCM数据转成spx格式，POST上去，识别不了，

speexenc.exe 是使用OGG封包的，数据头是OggS开头。

Chrome使用语音搜索时我抓包了下，发现POST上去的数据并不是OGG格式封装，而且也见不到Speex编码的字符串，我直接将PCM数据编码就导出，没数据头，POST上去也识别不了

但从Content-Type: audio/x-speex-with-header-byte可以看出应该是有加数据头的。

我就抓三次包，对比下，发现有两次前面几行是一样的，一次有区别

第一次

.F.fh...9.sGl.........+...F......9vsGl6..6.....6..

..o...v...

...x..v...

...H..v...

......v...

..f...v..B

...`..v...

..gh..v..@

..g...v..@

..f0..p...

..f...v...

..g...v...

..fh..v...

..g...v..B

......v...

...x..v...F5.!....2.;h...2.C.....".#..d...]J

第二次

.F.fh...9.sGl.........+...F......9vsGl6..6.....6..

..o...v...

...x..v...

...H..v...

......v...

..f...v..B

...`..v...

..gh..v..@

..g...v..@

..f0..p...

..f...v...

..g...v...

..fh..v...

..g...v..B

......v...

...x..v...F5......d.;h...2.C.......#..o.D.Q

第三次

.F.n8...9.sGl...6..6..6...F.fP.....sGl9..6..0..6..

..gx..v...

..n`..v..D

...|..v..

..o...v. .

......v...

..oL..v...

......v..@

... ..p...

...(..p. .

..g...v...

..f...p...

..nh..v..D

..nP..v..@

..f...v...

......v..@V=..D..........m.[m...?........u..[...........d.E.....



我只能去看chromium源码了，虽然语音搜索API是chromium 11正式版开始添加的，可没几天就换成Flac编码了，上面只有部分Speex编码代码。还好OSchina收录了使用speex编码的版本

http://www.oschina.net/code/explore/chromium.r67069/chrome/browser/speech

下面是speex编码的核心代码

http://www.oschina.net/code/explore/chromium.r67069/chrome/browser/speech/speech_recognizer.cc

可我并没有找到添加数据头的地方，Google也没有修改Speex的核心源码，

只看到下面这句

//Encode the frame and place the size of the frame as the first byte.
//This is the packet format for MIME type x-speex-with-header-byte. 腾出第一个字节不编码保留数据头，一个字节够数据头？没弄明白
大家帮忙分析下吧，就为这个Speex编码熬了好几天了....

另外还抓到了Android 和Iphone 的语音搜索的API

http://www.google.com/m/appreq/vs

http://www.google.com/m/appreq/gmiphone

Content-Type: application/binary

这个上传的声音数据头加了手机版本信息等数据头，好像使用ARM格式录制，但和PC端用的API不一样，POST要2次，还要用cookies去获取数据，返回的数据还是加密的，比较麻烦。
...全文
1107 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
MagicFox 2012-08-05
  • 打赏
  • 举报
 回复
楼主，有没有语音设备的JDK或者jar文件呢？
illuspas 2012-06-28
  • 打赏
  • 举报
 回复
看speech_recognizer.cc 100行

// Encode the frame and place the size of the frame as the first byte. This
// is the packet format for MIME type x-speex-with-header-byte.
将每个frame的size作为第一个字节打包就构成了 x-speex-with-header-byte 类型
我试过，识别成功
seaseal 2011-10-31
  • 打赏
  • 举报
 回复
http://blog.laobubu.net/546?replytocom=318

看看Google的猥琐API之STT！（属于speech-api v1的recognize）

http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN

如何调用

要使用这个API，你得先有一些心理素质：面对倒霉的FLAC格式，因为这个API只支持FLAC格式的数据，杯具啊。

不过你找到了我的博客，那么你是幸福的，因为我已经为你准备了不少好东西了。（顺便说一句，如果要转载记得清楚地标注“来自http://blog.laobubu.net”，我信任你。）

现在看看如何请求数据：

【URL】http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN
【方式】POST
【请求头】Content-Type:audio/x-flac; rate=16000
【POST】flac文件的数据

如果你人品大爆发，你成功了，可以得到类似这个的结果

{"status":0,"id":"54e1babccaa58682ffbb02ceb42aa47c-1",
"hypotheses":[{"utterance":"测试程序","confidence":0.8556527}]}

实例：用于Python

#By laobubu.net


import urllib2
FILE='1.flac' #这里假设在当前文件夹下有一个叫1.flac的文件被识别
url = 'http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN'
audio=open(FILE,'rb').read()
headers = {'Content-Type' : 'audio/x-flac; rate=16000'}
req = urllib2.Request(url, audio, headers)
response = urllib2.urlopen(req)
print response.read().decode('UTF-8')

头疼：FLAC文件格式

这里我长话短说，google的flac也有限制，22050 Hz+201kbps还正常，如果比这个大多了就不对了。

不过还有最要命的问题，怎么生成FLAC文件？

没关系，这里有救星：flac.exe包下载

http://datastorage.laobubu.net/FLAC.zip （跟你说的，上laobubu.net没错的）

具体使用方法是【flac.exe 文件.wav】这样在命令行调用即可，测试得知：不支持MP3等格式，但是支持基本的wav格式。

好了，你可以去制造你的app了，哈哈。

爱你：来自laobubu实验室的福音

为了方便，我写了一个python程序，放在Google App Engine上面，只要提交一个音频文件的URL(支持MP3、wav等常见格式)，且文件不大，就可以得到结果了哦。（再次强调，跟你说的，上laobubu.net没错的）

API入口：http://laobubumf.appspot.com/stt/
备用入口：http://glab.laobubu.net/stt/
星羽 2011-10-31
  • 打赏
  • 举报
 回复
没接触过,up一下
quwei197874 2011-10-28
  • 打赏
  • 举报
 回复
微软的speech sdk和Google的差不多，楼主可关注下，要好些的可找科大讯飞或neuance的demon版的引擎。
柯本 2011-10-28
  • 打赏
  • 举报
 回复
只用CB用过MS sapi.dll的SpVoive(ActiveX 控件),它的语音文件的确很小,比我下载的其它语音包小很多.不过倒是没研究过它的格式,关注下.
JieTouLangRen 2011-10-28
  • 打赏
  • 举报
 回复
mark~
使用Google语音识别引擎（Google Speech API）
本文转自csdn 使用Google语音识别引擎（Google Speech API）[3月5日修改] 分类： Qt Google 语音识别 API C++ 2012-01-24 17:56 19352人阅读 评论(72) 收藏 举报 googleapi引擎headerinputchrome     最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使...
关于SPEEX和语音的研究（转载的基础上加原创）
前言项目需要，抛弃掉原有的音频，统一使用speex（虽然这个解决方案也比较老，speex项目已经停止，但是资料最全，能快速满足项目需求的speex最优）speexspeex官网 自行了解speex是什么，重要概念不要混淆，speex只负责压缩和反压缩，不要涉及到音频了就把播放什么的都跟他联系。切记这点，对理解很有帮助。 下面转载： 安卓录音的时候是使用AudioRecord来进行录制的（当然m
使用Google语音识别引擎（Google Speech API）[3月5日修改]
http://blog.csdn.net/dlangu0393/article/details/7214728 最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使用SAPI来完成这个任务，但是发现SAPI不仅使用起来超级复杂，而且识别效果也很惨烈。于是就需要寻找一个更加便捷优秀的方案。     自从Chrome 11开始，Chrome开始支持HTML5的语音输入API
谷歌语音输入功能
近期重写本文，暂时禁止评论。     最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使用SAPI来完成这个任务，但是发现SAPI不仅使用起来超级复杂，而且识别效果也很惨烈。于是就需要寻找一个更加便捷优秀的方案。     自从Chrome 11开始，Chrome开始支持HTML5的语音输入API，QQ紧接着也推出了语音识别输入（可以看做跟风么:D)。显然这些识
iOS变声语音项目总结
最近做了一个变声语音的项目，里面涉及到很多音频相关的知识，怕时间久了记不住，写下来备忘。 1. 语音的编码      语音录制的时候要选择一个编码格式，因为移动端的原因，这个编码格式需要满足压缩比高、声音质量较好（至少变声后能听得清说什么），同时还要编码难度小。      我们前期选择了几种格式：amr、speex、aac、wav。 说下几种编码的优缺点。      首先amr 是最常用于
其它技术问题

3,882

社区成员

9,045

社区内容

发帖
与我相关
我的任务
社区描述
C/C++ 其它技术问题
社区管理员
  • 其它技术问题社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章