Azure通过REST在javascript中将语音认知服务语音转换为文本失败

Question

在JavaScript中，我们使用recorder.js捕获麦克风输入，将其下采样到16kHz，将其编码为WAV文件并获得blob。 接下来，我们通过FileReader onload（）回调获取原始blob字节，然后使用XMLHttpRequest将原始字节发送（）到Bing。 XMLHttpRequest包含标头： ＆＃39; OCP-APIM-订阅密钥＆＃39; ：＆＃39; xxxxxx＆＃39; ＆＃39;内容类型＆＃39; ：＆＃39; audio / wav;编解码器=音频/ PCM;采样率= 16000＆＃39; 示例blob大小为62456字节。

FireFox网络跟踪显示2个交互。首先是  请求网址：https://speech.platform.bing.com/speech/recognition/interactive/cognitiveservices/v1?language=en-US&format=simple  请求方法：选项 第二个  请求网址：https://speech.platform.bing.com/speech/recognition/interactive/cognitiveservices/v1?language=en-US&format=simple  请求方法：POST  内容长度：94476

但是，我一直收到以下回复   {＆＃34; RecognitionStatus＆＃34;：＆＃34; InitialSilenceTimeout＆＃34;＆＃34;偏移＆＃34;：29000000，＆＃34;持续时间＆＃34;：0}

FWIW，知道为什么源blob大小为62456会导致内容长度：94476？

相应的原始blob字节由Amazon Lex正确处理。

是否有任何JavaScript RESTful示例？ 非常感谢。

/ ---------------------------------------------- ---------------- 将下面的测试用例放在一起后，我也尝试了以下内容，但没有成功。

console.log("Send to BING blob");
var self = this;
console.log(blob);
var msUrl = 'https://speech.platform.bing.com/speech/recognition/interactive/cognitiveservices/v1';
msUrl += '?language=en-US';
msUrl += '&format=simple';
console.log(msUrl);
var xhr = new XMLHttpRequest();
xhr.onload = function(evt) { console.log('onload', xhr, evt);};
xhr.open('POST', msUrl, true);
xhr.setRequestHeader('Accept', 'application/json;text/xml');
xhr.setRequestHeader('Ocp-Apim-Subscription-Key', 'xxx');
var bingContentType = 'audio/wav; codec=audio/pcm; samplerate=16000';
xhr.setRequestHeader('Content-Type', bingContentType);
xhr.send(blob);

Answer 1

发送到Bing的较短代码版本很好。问题是录音机工作人员的编码WAV（样本）功能没有 将下采样考虑到16000.该功能错误地将捕获的采样率写为标题值。要调整的行是：

view.setUint32(24, downSampleRate, true);
view.setUint32(28, downSampleRate * 2, true); /*MONO*/

显然AWS Lex会忽略标头值，因为它只需要16kHz单声道，而Bing服务必须查看标头信息以确定支持哪种音频格式。

Answer 2

今天我遇到了这个问题，花了半个小时后，我找到了问题的真正原因。让我来看看这个link中提到的步骤。

1. 已验证我的Bing语音API处于运行状态。

2. 通过在

   中运行以下代码验证了我的密钥

   $ FetchTokenHeader = @ {   ＆＃39;内容类型＆＃39; =＆＃39;应用程序/ X WWW的窗体-urlencoded＆＃39 ;;   ＆＃39;内容长度＆＃39; =＆＃39; 0＆＃39 ;;   ＆＃39; OCP-APIM-订阅密钥＆＃39; =＆＃39;＆＃39; }

   $ OAuthToken = Invoke-RestMethod -Method POST -Uri https://api.cognitive.microsoft.com/sts/v1.0/issueToken -Headers $ FetchTokenHeader

   显示收到的令牌

   $ OAuthToken



1. 如该链接的最后一点所述，InitialSilenceTimeout可能是未格式化/无效的wav文件的结果。所以我从互联网上下载了一个新的wav文件并进行了测试。

2. Bingo，有效。最后，我能够以文本格式发表演讲