Google Cloud Speech API 是由谷歌云平台提供的，利用机器学习技术将语音转换为文字的服务。这个 API 能识别超过 80 种语言和语言变体，包括中文、日语、英语甚至广东话。这次，我总结了使用 Google Cloud Speech API 的基本流程。
花 5 秒钟试用 Cloud Speech API 吧
在 Cloud Speech API 概览页，我们可以体验将语音转换为文字的效果。只需要选择一种语言即可开始使用，甚至不需要登录谷歌账号。（加载出来需要一些时间）
在项目中添加 API
使用 Cloud Speech API 需要登录谷歌云平台并申请免费试用，申请试用谷歌云平台的流程可以参考 这篇文章 。
我们假定你能够使用谷歌云平台，并且已经创建了一个项目，下面介绍如何把 Cloud Speech API 添加到项目中。
点击 控制台 左上角的 ☰ 打开导航栏，找到 API 和服务 → ` 库 ` 。
在搜索框中键入 Speech 即可找到 Cloud Speech API 。
打开 API 页面，点击 ` 启用 ` 。
创建 API 密钥
回到之前的页面，选择 ` 凭据 ` → ` 创建凭据 ` → API 密钥 。
马上 API 密钥 就创建好了，虽然随时都能在这个页面查询，但为了方便起见，将其记录下来备用吧，很快就要用到它。
` 限制密钥 ` 选项默认情况下应该是 “无”，这次只是试着使用 API，保持默认“无” 即可。
准备声音文件
虽然有些麻烦，但是接下来我们要准备声音文件。Cloud Speech API 没办法直接识别 mp3、mp4 中的声音，我们需要准备 FLAC、WAV 格式的音频。而且仅支持单声道音频，所以一般都需要转码之类的工作。
详细的声音文件要求参见：AudioEncoding - Google Cloud Speech API
基于上述情况，我读了下面这段文稿，并制成了 FLAC 格式（单声道）的声音文件。是用手机麦克风进行录音的，质量一般 (´ ・ω・｀) 是否可以正确识别呢？
寄蜉蝣于天地，渺沧海之一粟。哀吾生之须臾，羡长江之无穷。挟飞仙以遨游，抱明月而长终。
将声音文件上传到 Cloud Storage
如果要使用 Cloud Speech API 识别本地声音文件，必须将音频文件编码为 base64，然后嵌入到稍后将创建的 json 请求文件中，这虽然可行但并不方便。如果你想使用这种方法，请参考：Embedding Base64 encoded audio - Google Cloud Speech API
我们将使用另一种方案，将声音文件上传到 Google Cloud Storage。
点击控制台左上角的 ☰ 打开导航栏，找到 ` 存储 ` → ` 浏览器 ` 。
点击 ` 创建存储分区 ` 。
输入合适的 存储分区名称 ，后文将要用到。默认存储类别选择 “Multi-Regional”，Multi-Regional 位置选择 “亚洲”。点击 ` 创建 ` 。
点击 ` 上传文件 ` ，上传声音文件，勾选 ` 公开链接 ` 。（该音频将能被任何人访问，请注意）
2018 年 10 月 18 日更新： 刚看了一下，页面有所改变，暂时没找到公开单个音频文件的方法。 你可以这样做，把整个存储分区公开： 导航栏→存储→浏览器→存储分区最后有个选项，点开来→修改存储分区权限→“添加成员”填 “allUsers”，“角色” 选“存储对象查看者”→添加 注意：这样该分区内所有内容都可能被任何人访问到
另外，请记住上传文件的 文件名 ，后文将用到。
将语音转换为文字
终于，可以使用 Cloud Speech API 将语音转换为文字了。
首先，我们新建一个 json 格式的请求文件（request.json）。文件名无特殊要求。
{
"config":
{
"encoding":"FLAC",
"languageCode":"cmn-Hans-CN"
},
"audio":
{
"uri":"gs:// 存储分区名称 / 文件名"
}
}
注意 3 个地方：
cmn-Hans-CN：表示识别语言为中文普通话。常用的还有 American English ( en-US )、British English ( en-GB )、日本語 ( ja-JP )、廣東話( yue-Hant-HK )。更多语言支持可以在Language Support - Google Cloud Speech API 查询。
存储分区名称 ：刚才是否有记录下来呢？如果没有记住可以点击控制台左上角的 ☰ 打开导航栏，找到 ` 存储 ` → ` 浏览器 ` 查看。
文件名 ：存储在 Cloud Storage 中的音频文件名，可以在存储分区中查看。
最后，我们使用 curl 命令（Windows 平台需另外 安装）向 Cloud Speech API 发出请求。
cd 到 json 请求文件所在目录。
curl -H “Content-Type: application/json” -d @
request.json“https://speech.googleapis.com/v1/speech:recognize?key=API 密钥”
注意 2 个加粗处：
request.json：json 请求文件的文件名。
API 密钥 ：替换为你记录下来的 API 密钥。如果没有记下来，可以点击控制台左上角的 ☰ 打开导航栏，找到 API 和服务 → ` 凭据 ` 查看。
得到结果：
可以看到返回结果也是 json 格式的数据。”confidence” 是置信度，越接近 1 准确性越高。
小结
第一次尝试语音识别服务，得到结果的时候很开心。或许有人会惊讶上例语音识别的准确性，但正如文章开头所说 “Cloud Speech API 是利用机器学习技术将语音转换为文字的服务”，像上例中这样的俗语、名著甚至是歌词，准确率都出奇地高。如果你录制一段日常语音交给 Cloud Speech API 识别，结果就不那么满意了。
最后，这次只是使用 curl 命令在 LX 终端获得了识别结果，下次将会总结如何在编程语言中使用 Cloud Speech API。
感谢你阅读文章！