Base64 編碼音訊內容

這個頁面說明如何將來自二進位檔案的音訊轉換成 base64 編碼的資料。

將音訊傳送至 Speech API 時，您可以傳送位於 Google Cloud Storage 上的檔案 URI，也可以在要求的 content 欄位中直接嵌入音訊資料。

嵌入 base64 編碼音訊

音訊資料為二進位資料。在 gRPC 要求內，您只需直接寫出二進位資料即可；但是，當提出 REST 要求時，會使用 JSON。JSON 是一種文字格式，不直接支援二進位資料，因此您需要使用 Base64 編碼，將這類二進位資料轉換為文字。

採用 base64 編碼音訊檔案：

Linux

  1. 使用 base64 指令列工具對音訊檔案進行編碼，並使用 -w 0 標記確保不會換行：
    $ base64 source_audio_file -w 0 > dest_audio_file

2. 建立 JSON 要求檔案，並在要求的 content 欄位中內嵌 base64 編碼的音訊：

    {
      "config": {
        "encoding":"FLAC",
        "sampleRateHertz":16000,
        "languageCode":"en-US"
      },
      "audio": {
        "content": "ZkxhQwAAACIQABAAAAUJABtAA+gA8AB+W8FZndQvQAyjv..."
      }
    }

Mac OSX

  1. 使用 base64 指令列工具編碼音訊檔案：
    $ base64 source_audio_file > dest_audio_file

2. 建立 JSON 要求檔案，並在要求的 content 欄位中內嵌 base64 編碼的音訊：

    {
      "config": {
        "encoding":"FLAC",
        "sampleRateHertz":16000,
        "languageCode":"en-US"
      },
      "audio": {
        "content": "ZkxhQwAAACIQABAAAAUJABtAA+gA8AB+W8FZndQvQAyjv..."
      }
    }

Windows

  1. 使用 Base64.exe 工具編碼音訊檔案：
    C:> Base64.exe -e source_audio_file > dest_audio_file

2. 建立 JSON 要求檔案，並在要求的 content 欄位中內嵌 base64 編碼的音訊：

    {
      "config": {
        "encoding":"FLAC",
        "sampleRateHertz":16000,
        "languageCode":"en-US"
       },
      "audio": {
        "content": "ZkxhQwAAACIQABAAAAUJABtAA+gA8AB+W8FZndQvQAyjv..."
      }
    }

透過程式嵌入音訊內容

透過文字編輯器將音訊二進位資料嵌入要求，不是很好的做法，也不實際。實際上，您會將 base64 編碼的檔案嵌入用戶端程式碼內。所有支援的程式設計語言都擁有適用於 base64 編碼內容的內建機制：

Python

在 Python 中，會以下列方式對音訊檔案進行 base64 編碼：

# Import the base64 encoding library.
import base64

# Pass the audio data to an encoding function.
def encode_audio(audio):
  audio_content = audio.read()
  return base64.b64encode(audio_content)

Node.js

在 Node.js 中，base64 會以下列方式對音訊檔案進行編碼，其中 audioFile 是二進位編碼的音訊資料：

// Imports the Google Cloud client library
const fs = require('fs');
const speech = require('@google-cloud/speech');

// Creates a client
const client = new speech.SpeechClient();

/**
 * TODO(developer): Uncomment the following lines before running the sample.
 */
// const filename = 'Local path to audio file, e.g. /path/to/audio.raw';
// const encoding = 'Encoding of the audio file, e.g. LINEAR16';
// const sampleRateHertz = 16000;
// const languageCode = 'BCP-47 language code, e.g. en-US';

const config = {
  encoding: encoding,
  sampleRateHertz: sampleRateHertz,
  languageCode: languageCode,
};
const audio = {
  content: fs.readFileSync(filename).toString('base64'),
};

const request = {
  config: config,
  audio: audio,
};

// Detects speech in the audio file
const [response] = await client.recognize(request);
const transcription = response.results
  .map(result => result.alternatives[0].transcript)
  .join('\n');
console.log(`Transcription: `, transcription);

Java

在 Java 中，請使用 encodeBase64 靜態方法 (位於 org.apache.commons.codec.binary.Base64 中)，對二進位檔案進行 base64 編碼：

// Import the Base64 encoding library.
import org.apache.commons.codec.binary.Base64;

// Encode the speech.
byte[] encodedAudio = Base64.encodeBase64(audio.getBytes());