iOS应用程序上的SFSpeechRecognizer（Siri转录）超时错误

Question

在我的iOS应用程序中，我正在尝试使用iOS 10的最新功能Speech API转录预先录制的音频。

包括documentation在内的多个来源都表示Speech API（更具体地说是SFSpeechRecognizer）的音频持续时间限制为1分钟。

在我的代码中，我发现任何长度约为15秒或更长的音频文件都会出现以下错误。

Error Domain = kAFAssistantErrorDomain Code = 203“SessionId = com.siri.cortex.ace.speech.session.event.SpeechSessionId@50a8e246，Message = 30000 ms后等待命令超时”UserInfo = {NSLocalizedDescription = SessionId = com.siri.cortex .ace.speech.session.event.SpeechSessionId @ 50a8e246，Message = 30000 ms后等待命令的超时，NSUnderlyingError = 0x170248c40 {Error Domain = SiriSpeechErrorDomain Code = 100“（null）”}}

我在互联网上搜索过，但未能找到解决方法。也有人有同样的问题。有些人怀疑这是Nuance的一个问题。

值得注意的是，我确实得到了转录过程的部分结果。

这是我的iOS应用程序的代码。 `//创建一个语音识别器请求对象。 let srRequest = SFSpeechURLRecognitionRequest（url：location）srRequest.shouldReportPartialResults = false

    sr?.recognitionTask(with: srRequest) { (result, error) in
        if let error = error {
            // Something wrong happened
            print(error.localizedDescription)
        } else {
            if let result = result {
                print(4)
                print(result.bestTranscription.formattedString)
                if result.isFinal {
                    print(5)
                    transcript = result.bestTranscription.formattedString
                    print(result.bestTranscription.formattedString)

                    // Store the transcript into the database.
                    print("\nSiri-Transcript: " + transcript!)

                    // Store the audio transcript into Firebase Realtime Database
                    self.firebaseRef = FIRDatabase.database().reference()

                    let ud = UserDefaults.standard
                    if let uid = ud.string(forKey: "uid") {
                        print("Storing the transcript into the database.")
                        let path = "users" + "/" + uid + "/" + "siri_transcripts" + "/" + date_recorded + "/" + filename.components(separatedBy: ".")[0]
                        print("transcript database path: \(path)")
                        self.firebaseRef.child(path).setValue(transcript)
                    }
                }
            }
        }
    }`

谢谢您的帮助。

Answer 1

除了遇到同样问题的其他人之外，我还没有确认我的答案，但我认为这是对预先录制的音频的无证限制。

Answer 2

删除result.isFinal并对结果执行null检查。参考：https://github.com/mssodhi/Jarvis-ios/blob/master/Jarvis-ios/HomeCell%2Bspeech.swift

Answer 3

这是真的，我从视频中提取了音频文件，如果超过15秒，则会出现以下错误：

Domain = kAFAssistantErrorDomain Code = 203 "Timeout" UserInfo = {
    NSLocalizedDescription = Timeout,
    NSUnderlyingError = 0x1c0647950 {Error Domain=SiriSpeechErrorDomain Code=100 "(null)"}
}

关键问题是超过15秒后的音频文件识别。 result.isFinal总是0，这是非常令人沮丧的是没有准确的时间戳，虽然它是“Timeout”，它有完整的识别内容，这让我觉得很奇怪。

如果打印出结果遍历，您可以看到有一些限制，即15秒，但原因是音频文件的时间戳反馈限制为有限的数字，例如15或4或9，领先到最后。超时反馈更不稳定。

但在实时语音识别中，您可以在一分钟内突破15秒，如官方文档中所述。