自助网站免费建站平台,免费下载建网站教程,免费企业网站建设word,网站设计算什么费用一、背景
公司前同事留下了一套语音识别项目#xff0c;内部使用百度PaddleSpeech。在项目验收的时候发现无法识别大音频文件#xff0c;但是可以识别小音频文件。
这套项目是通过python调用的百度PaddleSpeech#xff0c;然后提供了restful接口#xff0c;然后java项目可…一、背景
公司前同事留下了一套语音识别项目内部使用百度PaddleSpeech。在项目验收的时候发现无法识别大音频文件但是可以识别小音频文件。
这套项目是通过python调用的百度PaddleSpeech然后提供了restful接口然后java项目可以通过接口来进行语音识别。
二、解决方案
我看了一下前同事留下的代码发现报错信息来自百度PaddleSpeech内部所以修改源代码这条路基本无解。
我通过互联网搜索到“根据百度AI开放平台的错误码汇总如果音频时长超过60秒将会导致错误。”
基于上述情况我准备调用java代码操作ffmpeg工具将大音频文件进行分割然后针对小音频逐个识别最终拼接识别结果即可。
我切分的标准是50s一段基本都是可以识别出来的。
拓展
百度PaddleSpeech语音识别目前格式仅支持pcm、wav或amr我们常见一点的是wav格式。由于不支持mp3格式如果想识别mp3格式文件内容也可以使用ffmpeg进行文件格式转换转换完成之后就可以识别了
