如何使用python将音频缓冲区传递给语音到文本服务答案

【问题标题】：How to pass audio buffer to speech to text service using python如何使用python将音频缓冲区传递给语音到文本服务
【发布时间】：2021-03-03 17:33:35
【问题描述】：

我正在使用 azure 语音到文本服务，使用 python 来处理一堆音频。为了处理音频，这些是执行的步骤-

将音频从 Web 服务器下载到本地“C:/audio”驱动器。
将下载的音频路径传递给 Speech SDK 的 - Audioconfig(filename ='C:/audio/my_audio.wav')

我想从服务器获取文件并将其直接传递给语音到文本服务，而不是下载到本地机器。为此，

我将音频以bytes 的形式存储在这样的音频缓冲区中-raw_audio = my_audio_in_bytes # class <'bytes'>
然后，我将音频缓冲区传递给 AudioConfig(filename = raw_audio) - 它不起作用。因为它需要一个文件路径

有没有办法将音频缓冲区传递给该服务？

配置python代码：

speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
audio_config = speechsdk.audio.AudioConfig(filename='C:/audios/audio1.wav')
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)

【问题讨论】：

查看文档。 AudioConfig 函数接受stream 参数，虽然我不能告诉你它想要什么格式。
也用流测试过，推/拉流采用原始数据，但最终的成绩单很乱，有很多多余的词。因此，尝试了这种方法。

标签： python speech-to-text azure-speech

【解决方案1】：

@user1990，根据我们的讨论on this GitHub issue，请使用batch transcription，因为 Speech SDK 不直接支持从托管在 Web 服务上的 WAV 文件进行识别（您首先需要在本地下载它）。

【讨论】：