如何将Google Cloud Speech-to-Text API转录结果中的纳秒转成秒？

Google Cloud Speech-to-Text API返回的时间戳本质是包含seconds和nanos字段的Duration对象，直接打印response时会显示完整的纳秒结构，这是API的默认返回格式，和是否开启enable_word_time_offsets无关。其他人显示的秒数是对返回的Duration对象做了转换处理后的结果，你可以通过以下方式实现：

转换时间戳为秒数的代码示例 #

替换你代码中print(response)的部分，改为遍历结果并转换时间格式：

for result in response.results:
    alternative = result.alternatives[0]
    print(f"转录文本: {alternative.transcript}")
    print("词级时间戳（秒）:")
    for word_info in alternative.words:
        word = word_info.word
        # 把秒和纳秒合并为总秒数，保留3位小数
        start_sec = word_info.start_time.seconds + word_info.start_time.nanos / 1e9
        end_sec = word_info.end_time.seconds + word_info.end_time.nanos / 1e9
        print(f"  '{word}' 开始时间: {start_sec:.3f}s, 结束时间: {end_sec:.3f}s")

关键说明 #

• API返回的start_time和end_time都是google.protobuf.Duration类型，包含两个属性：seconds（整数秒）和nanos（0-999999999的纳秒数）
• 通过seconds + nanos/1e9可以将其转换为以秒为单位的浮点数，方便读取和使用

内容的提问来源于stack exchange，提问作者Nikkuchii