1. 讯飞开放平台语音识别音频文件格式说明
您可自行下载Cool Edit Pro软件查看音频格式是否满足以下要求:
1.pcm(pcm_s16le),wav,speex(speex-wb),推荐使用pcm
2.采样率为16000 或者 8000. 推荐使用16000,比特率为16bit
3.单声道
2. 音频文件格式转换工具ffmpeg
FFmpeg是一套可以用来记录、转换数字音频、视频,并能将其转化为流的开源计算机程序。 详情可参考:
2.2. 示例
Mp3 转换为 16k 16bit 单声道 pcm
44100,16bit,单声道pcm 转换为 16k 16bit 单声道 pcm
参数解释:
-y: 表示无需询问,直接覆盖输出文件;
-acodec: 用于设置音频的编码器和解码器;
-f s16le: 用于设置文件格式为 s16le;
-ar 16000: 用于设置音频采样频率为 16k;
-i: 用于设置输入文件;
3. speex编码
讯飞开放平台rest_api支持speex编码压缩音频文件大小。由于服务端解压speex需要额外耗时,如果没有带宽等限制建议使用pcm格式。请注意压缩前的原始音频文件,必须为采样率16K、16bits、单声道的PCM或WAV格式。
接口支持开源speex编码和讯飞定制speex编码(建议使用讯飞定制speex,无需额外传speex-size参数)
说明:
讯飞定制编解码工具下载(点击下载),使用讯飞定制编码时,需使用7级压缩,并且无需传speex_size参数