如何解决Azure 语音识别 - 使用二进制/十六进制数据而不是 WAV 文件路径
我正在寻找一种使用 Azure 语音识别 API 的方法，将二进制/十六进制数据而不是 WAV 文件路径作为参数传递。
“raw_data”是一个十六进制数据，代表一个小的WAV文件：
raw_data = self.audio.get_wav_data()
保存到磁盘中的 WAV 文件（这不是我要找的）：
main_dir = os.path.dirname(__file__)
wav_file = os.path.join(main_dir,'output.wav')
with open(wav_file,'wb') as f:
f.write(raw_data)
设置配置并使用 Azure 的 API 进行语音识别：
speech_config = speechsdk.SpeechConfig(subscription="<subscription>",region="westeurope")
speech_config.speech_recognition_language="pt-BR"
audio_config = speechsdk.AudioConfig(filename=wav_file)
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config,audio_config=audio_config)
result = speech_recognizer.recognize_once_async().get()
user_request = result.text
解决方法
您可以使用推送流
示例如下：
在这里配置将用于识别的流。
stream = speechsdk.audio.PushAudioInputStream()
audio_config = speechsdk.audio.AudioConfig(stream=stream)
示例是指读取波形文件并转换为二进制数据。相反，您可以使用 stream.read() 方法并在上面配置的 Stream 中加载二进制数据
frames = wav_fh.readframes(n_bytes // 2)
print('read {} bytes'.format(len(frames)))
if not frames:
break
stream.write(frames)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
