Question

我们目前正在实时流媒体方案中评估Bing语音识别服务。我们正在获得PCM编码音频的实时流（16k采样率，16位，1通道（也称为单声道））并尝试将其发送到Bing语音识别服务。

我们已成功使用https://www.nuget.org/packages/Microsoft.ProjectOxford.SpeechRecognition-x64/中的DataRecognitionClient与我们的场景，方法是在流式传输音频之前发送音频格式，如下所示： _dataRecognitionClient.SendAudioFormat(SpeechAudioFormat.create16BitPCMFormat(16000));

然后，我们将循环播放音频流，如下所示：

_dataRecognitionClient.SendAudio(buffer, bytesRead);

这很好用。但是我们假设ProjectOxford库可能会被弃用，因为官方Bing语音识别网站（https://www.microsoft.com/cognitive-services/en-us/Speech-api/documentation/GetStarted/GetStartedCSharpServiceLibrary）指向不同的Nuget包，请参阅：https://www.nuget.org/packages/Microsoft.Bing.Speech/

当我们使用此软件包中的SpeechClient时，我们看到提到的＆＃34;音频格式无法解析＆＃34;在SpeechClient上执行RecognizeAsync时出错。

var speechInput = new SpeechInput(producerConsumerStream,
new RequestMetadata(Guid.NewGuid(), new DeviceMetadata(DeviceType.Near,
DeviceFamily.Desktop, NetworkType.Ethernet, OsName.Windows, "Azure",
"Microsoft", "Current"), new ApplicationMetadata("App", "1.0"), "Speech"));
await _speechClient.RecognizeAsync(speechInput, new CancellationToken());

最后一行抛出错误。我们假设这是因为我们的PCM流没有WAVE / RIFF标头，因为它是流式传输。对于流式方案，DataRecognitionClient具有＆＃34; SendAudioFormat＆＃34;方法

SpeechClient不支持流式传输方案吗？

Answer 1

回答我自己的问题。我们已经通过在流中添加一个假的总样本数量（也就是长度）的WAVE标头解决了这个问题，请参阅：Create valid wav file header for streams in memory

Bing语音识别服务 - SpeechClient问题＆＃34;音频格式无法解析。＆＃34;

1 个答案: