将Bing Speeh发送到Text API的最大音频文件长度（持续时间）应该是多少？

Question

我已提到this documentation。 他们在使用客户端库进行语音到文本时提到了“长音频流（最长10分钟）”。

语音到文本是否接受大于10分钟的音频文件？ 如果我们传递音频文件将会发生什么？ 10分钟？

在我的用例中，我需要传递大于30分钟的音频文件。那么我们要为这些情况做些什么呢？

Answer 1

您可以使用ffmpeg以编程方式拆分较长的音频流，并将这些块传递给此客户端库。您可以选中此选项以编程方式将长音频流划分为时间指定的块：https://superuser.com/questions/525210/splitting-an-audio-file-into-chunks-of-a-specified-length。

然后，您可以合并这些块中的文本以获取整个文本。不是最干净的方式 - 而是可以扩展的东西。