不带 SDK 的 Amazon Transcribe Streaming API

Question

我正在尝试使用来自 Go 1.11 的亚马逊新的流式转录 API。目前 Amazon 仅提供 Java SDK，所以我正在尝试低级方式。唯一相关的文档在此处，但未显示端点。我在一个Java 示例中找到了它，https://transcribestreaming.<region>.amazonaws.com我正在尝试爱尔兰地区，即https://transcribestreaming.eu-west-1.amazonaws.com. 这是我打开 HTTP/2 双向流的代码：import (    "crypto/tls"    "github.com/aws/aws-sdk-go-v2/aws"    "github.com/aws/aws-sdk-go-v2/aws/external"    "github.com/aws/aws-sdk-go-v2/aws/signer/v4"    "golang.org/x/net/http2"    "io"    "io/ioutil"    "log"    "net/http"    "os"    "time")const (    HeaderKeyLanguageCode   = "x-amzn-transcribe-language-code"  // en-US    HeaderKeyMediaEncoding  = "x-amzn-transcribe-media-encoding" // pcm only    HeaderKeySampleRate     = "x-amzn-transcribe-sample-rate"    // 8000, 16000 ... 48000    HeaderKeySessionId      = "x-amzn-transcribe-session-id"     // For retrying a session. Pattern: [a-fA-F0-9]{8}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{12}    HeaderKeyVocabularyName = "x-amzn-transcribe-vocabulary-name"    HeaderKeyRequestId = "x-amzn-request-id")...region := "eu-west-1"cfg, err := external.LoadDefaultAWSConfig(aws.Config{    Region: region,})if err != nil {    log.Printf("could not load default AWS config: %v", err)    return}signer := v4.NewSigner(cfg.Credentials)transport := &http2.Transport{    TLSClientConfig: &tls.Config{        // allow insecure just for debugging        InsecureSkipVerify: true,    },}client := &http.Client{    Transport: transport,}signTime := time.Now()header := http.Header{}header.Set(HeaderKeyLanguageCode, "en-US")header.Set(HeaderKeyMediaEncoding, "pcm")header.Set(HeaderKeySampleRate, "16000")header.Set("Content-type", "application/json")// Bi-directional streaming via a pipe.pr, pw := io.Pipe()问题是执行请求 ( client.Do(req)) 冻结五分钟，然后以“意外的 EOF”错误结束。知道我做错了什么吗？有人在没有 Java SDK 的情况下成功使用了新的流式转录 API 吗？

Answer 1

我联系了 AWS 支持，他们现在建议尽可能使用 websockets 而不是 HTTP/2（博客文章在这里）

如果这适合您的用例，我强烈建议您查看新的示例存储库： https: //github.com/aws-samples/amazon-transcribe-websocket-static，它显示了 JS 中基于浏览器的解决方案。

我还注意到该演示的作者在他的个人 Github 上有一个明确的例子： https: //github.com/brandonmwest/amazon-transcribe-websocket-express但我还没有确认这是否有效。

感谢这些示例不是在 Python 中，但我认为使用 Websocket 客户端而不是 HTTP/2 会更好（老实说，它仍然有点可怕：P）

Answer 2

尝试不设置内容类型标头，看看您得到什么响应。我正在尝试做同样的事情（但在 Ruby 中）并且“修复”了SerializationException. 仍然无法让它工作，但我现在有一个新的错误需要考虑:)

更新：我现在已经开始工作了。我的问题是签名。如果同时传递了标头host和标头，则在检查签名时，它们将与服务器端连接并被视为在服务器端，因此签名永远不会匹配。这在 AWS 方面似乎不是正确的行为，但在 Go 中它看起来不会成为您的问题。authority,host

Answer 3

我也在与 Node.js 作斗争。文档不清楚的是，在一个地方它说不应该Content-Type是application/json，但在其他地方，它使有效负载看起来应该编码为application/vnd.amazon.eventstream. 看起来有效负载应该仔细格式化为二进制格式而不是 JSON 对象，如下所示：

Amazon Transcribe 使用一种称为事件流编码的格式进行流式转录。这种格式使用描述每个事件内容的标头信息对二进制数据进行编码。您可以将此信息用于在不使用 Amazon Transcribe SDK 的情况下调用 Amazon Transcribe 终端节点的应用程序。Amazon Transcribe 使用 HTTP/2 协议进行流式转录。流式请求的关键组件是：

• 标题框架。这包含请求的 HTTP 标头，以及授权标头中的签名，Amazon Transcribe 将其用作种子签名来签署以下数据帧。

• 事件流编码中的一个或消息帧。该帧包含元数据和原始音频字节。

• 结束帧。这是一个带有空主体的事件流编码中的签名消息。

Answer 4

我对在节点 js 中将 AWS 转录服务与他们的 WebSocket API 一起使用有类似的要求。鉴于目前官方包中还没有对此提供支持，我已经继续编写了一个名为 AWS-transcribe 的包，可以在此处找到。我希望这有帮助。

它提供了一个围绕 WebSocket 的流接口，可以像下面的例子一样使用

import { AwsTranscribe, StreamingClient } from "aws-transcribe"

const client = new AwsTranscribe({

    // if these aren't provided, they will be taken from the environment

    accessKeyId: "ACCESS KEY HERE",

    secretAccessKey: "SECRET KEY HERE",

})

const transcribeStream = client

    .createStreamingClient({

        region: "eu-west-1",

        sampleRate,

        languageCode: "en-US",

    })

    // enums for returning the event names which the stream will emit

    .on(StreamingClient.EVENTS.OPEN, () => console.log(`transcribe connection opened`))

    .on(StreamingClient.EVENTS.ERROR, console.error)

    .on(StreamingClient.EVENTS.CLOSE, () => console.log(`transcribe connection closed`))

    .on(StreamingClient.EVENTS.DATA, (data) => {

        const results = data.Transcript.Results

        if (!results || results.length === 0) {

            return

        }

        const result = results[0]

        const final = !result.IsPartial

        const prefix = final ? "recognized" : "recognizing"

        const text = result.Alternatives[0].Transcript

        console.log(`${prefix} text: ${text}`)

    })

someStream.pipe(transcribeStream)