如何使用 Twilio 获取视频通话录音中的语音转文字内容-php教程-PHP中文网

如何使用 Twilio 获取视频通话录音中的语音转文字内容

twilio video 本身不提供视频通话录音的自动语音转文字（asr）功能，需将录制的音频文件（.mka 格式）下载后，交由第三方语音识别服务（如 google cloud speech-to-text 或 azure cognitive services）完成转录。

twilio video 本身不提供视频通话录音的自动语音转文字（asr）功能，需将录制的音频文件（.mka 格式）下载后，交由第三方语音识别服务（如 google cloud speech-to-text 或 azure cognitive services）完成转录。

Twilio 的 Programmable Video 支持高质量音视频录制，并将音视频流分别存储为独立轨道（例如音频为 .mka，视频为 .mkv），但其 Recording API 不内置语音识别能力。这意味着即使音频已单独存在，你也无法通过 RecordingInstance 直接调用 .transcribe() 或类似方法获取文本——该功能仅在 Programmable Voice 的动作或 Transcriptions REST API 中原生支持。

✅ 正确实现路径：三步完成转录

获取录制资源并下载音频文件
使用 RecordingInstance 获取媒体 URL，再通过 media 子资源下载原始 .mka 音频：

$recording = $twilio->video->recordings($recordingSid)->fetch();
$mediaUrl = $recording->media->uri; // 返回类似 https://video.twilio.com/v1/Recordings/RT.../Media

// 下载音频（需添加 Twilio 认证头）
$client = new \GuzzleHttp\Client();
$response = $client->get($mediaUrl, [
    'auth' => [$accountSid, $authToken],
    'sink' => '/tmp/recording.mka'
]);

处理音频格式兼容性
Twilio 视频录音默认为 Matroska 容器（.mka），而多数 ASR 服务（如 Google Cloud Speech-to-Text）不直接支持 .mka。你有两个选择：
- ✅ 推荐：使用 Twilio Compositions API 提前生成标准化音频
  在录制结束后，调用 Compositions API 合成纯音频轨道（MP3/WAV）：
```
$composition = $twilio->video->compositions->create([
    'roomSid' => $roomSid,
    'audioSources' => ['*'], // 或指定 track SID
    'format' => 'mp3',
    'statusCallback' => 'https://your.app/composition-status'
]);
```
  等待 completed 状态后，从 media_url 下载标准 MP3 文件，直接送入 ASR 服务。
  
  米粿AI
  一款AI图像与设计工具，主要用于AI辅助动漫创作工具，专为专业漫画师和动画制作团队设计，适合需要提升相关任务效率的用户。
  
  下载
- ⚠️ 或本地转码（需 ffmpeg）：
```
ffmpeg -i recording.mka -vn -acodec libmp3lame -y output.mp3
```

提交至 ASR 服务并解析结果
以 Google Cloud Speech-to-Text 为例（需启用 API 并配置服务账号）：

use Google\Cloud\Speech\V1\SpeechClient;
use Google\Cloud\Speech\V1\RecognitionConfig;
use Google\Cloud\Speech\V1\RecognitionAudio;

$speech = new SpeechClient(['keyFile' => 'service-account.json']);
$audio = file_get_contents('/tmp/output.mp3');
$config = new RecognitionConfig([
    'encoding' => 'MP3',
    'languageCode' => 'en-US',
    'enableWordTimeOffsets' => false
]);
$audioObj = new RecognitionAudio(['content' => $audio]);
$response = $speech->recognize($config, $audioObj);

foreach ($response->getResults() as $result) {
    echo $result->getAlternatives()[0]->getTranscript() . "\n";
}

⚠️ 关键注意事项

Twilio 不提供视频通话的实时或异步转录接口，所有转录必须自行集成外部服务；
原始 .mka 文件需解复用或转换格式，避免因容器不兼容导致 ASR 失败；
若需高精度（如带说话人分离、标点恢复），建议选用支持 diarization 和 enhanced models 的 ASR 服务（如 Google video_2 模型或 Azure general:conversational）；
注意合规性：确保用户已授权录音与转录，并遵循 GDPR/CCPA 等隐私法规。

通过以上流程，你即可可靠地将 Twilio 视频通话录音转化为结构化文本，支撑会议纪要、搜索索引、无障碍辅助等高级场景。