我正在使用Microsoft语音SDK（及其示例代码）抄录多参与者对话。转录工作正常，但是对于提供签名的人，它返回$ref$而不是用户ID；对于没有签名的人，它返回Unidentified。
我没有使用Roobo，而是使用Audacity准备的声音文件成为16位16 kHz PCM音频的八个通道。转录确实有效，因此我认为声音文件不是问题。似乎该服务正确识别了与签名文件相关的声音（例如，它在文本的正确位置从$ ref $切换到Unknown），但似乎无法访问发言人姓名（模型中的userid）
不幸的是，除了提供的Microsoft示例（https://docs.microsoft.com/bs-latn-ba/azure/cognitive-services/speech-service/how-to-use-conversation-transcription-service）之外，我找不到任何在线要引用的C＃代码。
我看到这里有一个帖子类似的问题（但没有答案）：Azure Speech To Text: Conversation Transcribing userid always return $ref$
有人尝试过并使其正常工作吗？
答案 0 :(得分：0)
似乎音频格式不正确。应该是16位，16kHZ，8个通道（立体声左= 1，立体声右= 2，单声道= 3，单声道= 4，单声道= 5，单声道= 6，单声道= 7，静音单声道= 8）。
Here，您可以找到enrollment_audio_steve.wav，enrollment_audio_katie.wav和对话katiesteve.wav。格式正确。但是，不允许从enrollment_audio_katie.wav创建签名。因此，它与Steve一起工作。
似乎它仅适用于SpeechSDK设备。但是我可以根据这种格式录制自己的音频。