如何使用压缩的输入音频

参考文档 | 包 (NuGet) | GitHub 上的其他示例

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 SDK 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 需要安装一些依赖项和插件。

GStreamer 二进制文件必须位于系统路径中,以便语音 SDK 可以在运行时加载它们。 例如,在 Windows 上,如果语音 SDK 在运行时找到 libgstreamer-1.0-0.dllgstreamer-1.0-0.dll(对于最新的 GStreamer),这意味着 GStreamer 二进制文件在系统路径中。

选择平台可获取安装说明。

你需要安装几个依赖项和插件。

sudo apt install libgstreamer1.0-0 \
gstreamer1.0-plugins-base \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly

有关详细信息,请参阅 Linux 安装说明支持的 Linux 发行版和目标体系结构

示例

若要将语音 SDK 配置为接受压缩音频输入,请创建 PullAudioInputStreamPushAudioInputStream。 然后,从流类的实例创建 AudioConfig,以指定流的压缩格式。 在关于语音 SDK 音频输入流 API 中查找相关示例代码片段。

让我们假设你有一个名为 pullStream 的输入流类,并且使用 OPUS/OGG。 你的代码可能如下所示:

using Microsoft.CognitiveServices.Speech;
using Microsoft.CognitiveServices.Speech.Audio;

// ... omitted for brevity

var speechConfig =
    SpeechConfig.FromSubscription(
        "YourSubscriptionKey",
        "YourServiceRegion");

// Create an audio config specifying the compressed
// audio format and the instance of your input stream class.
var pullStream = AudioInputStream.CreatePullStream(
    AudioStreamFormat.GetCompressedFormat(AudioStreamContainerFormat.OGG_OPUS));
var audioConfig = AudioConfig.FromStreamInput(pullStream);

using var recognizer = new SpeechRecognizer(speechConfig, audioConfig);
var result = await recognizer.RecognizeOnceAsync();

var text = result.Text;

参考文档 | 包 (NuGet) | GitHub 上的其他示例

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 SDK 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 需要安装一些依赖项和插件。

GStreamer 二进制文件必须位于系统路径中,以便语音 SDK 可以在运行时加载它们。 例如,在 Windows 上,如果语音 SDK 在运行时找到 libgstreamer-1.0-0.dllgstreamer-1.0-0.dll(对于最新的 GStreamer),这意味着 GStreamer 二进制文件在系统路径中。

选择平台可获取安装说明。

你需要安装几个依赖项和插件。

sudo apt install libgstreamer1.0-0 \
gstreamer1.0-plugins-base \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly

有关详细信息,请参阅 Linux 安装说明支持的 Linux 发行版和目标体系结构

示例

若要将语音 SDK 配置为接受压缩音频输入,请创建 PullAudioInputStreamPushAudioInputStream。 然后,从流类的实例创建 AudioConfig,以指定流的压缩格式。 在语音 SDK 示例中查找相关示例代码。

让我们假设你有一个名为 pushStream 的输入流类,并且使用 OPUS/OGG。 你的代码可能如下所示:

using namespace Microsoft::CognitiveServices::Speech;
using namespace Microsoft::CognitiveServices::Speech::Audio;

// ... omitted for brevity

 auto config =
    SpeechConfig::FromSubscription(
        "YourSubscriptionKey",
        "YourServiceRegion"
    );

// Create an audio config specifying the compressed
// audio format and the instance of your input stream class.
auto pullStream = AudioInputStream::CreatePullStream(
    AudioStreamFormat::GetCompressedFormat(AudioStreamContainerFormat::OGG_OPUS));
auto audioConfig = AudioConfig::FromStreamInput(pullStream);

auto recognizer = SpeechRecognizer::FromConfig(config, audioConfig);
auto result = recognizer->RecognizeOnceAsync().get();

auto text = result->Text;

参考文档 | 包 (Go) | GitHub 上的其他示例

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 SDK 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 需要安装一些依赖项和插件。

你需要安装几个依赖项和插件。

sudo apt install libgstreamer1.0-0 \
gstreamer1.0-plugins-base \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly

有关详细信息,请参阅 Linux 安装说明支持的 Linux 发行版和目标体系结构

示例

若要将语音 SDK 配置为接受压缩的音频输入,请创建 PullAudioInputStreamPushAudioInputStream。 然后,从流类的实例创建 AudioConfig,以指定流的压缩格式。

在下面的示例中,假设用例使用 PushStream 来处理压缩文件。


package recognizer

import (
  "fmt"
  "time"
    "strings"

  "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
  "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
  "github.com/Microsoft/cognitive-services-speech-sdk-go/samples/helpers"
)

func RecognizeOnceFromCompressedFile(subscription string, region string, file string) {
  var containerFormat audio.AudioStreamContainerFormat
  if strings.Contains(file, ".mulaw") {
    containerFormat = audio.MULAW
  } else if strings.Contains(file, ".alaw") {
    containerFormat = audio.ALAW
  } else if strings.Contains(file, ".mp3") {
    containerFormat = audio.MP3
  } else if strings.Contains(file, ".flac") {
    containerFormat = audio.FLAC
  } else if strings.Contains(file, ".opus") {
    containerFormat = audio.OGGOPUS
  } else {
    containerFormat = audio.ANY
  }
  format, err := audio.GetCompressedFormat(containerFormat)
  if err != nil {
    fmt.Println("Got an error: ", err)
    return
  }
  defer format.Close()
  stream, err := audio.CreatePushAudioInputStreamFromFormat(format)
  if err != nil {
    fmt.Println("Got an error: ", err)
    return
  }
  defer stream.Close()
  audioConfig, err := audio.NewAudioConfigFromStreamInput(stream)
  if err != nil {
    fmt.Println("Got an error: ", err)
    return
  }
  defer audioConfig.Close()
  config, err := speech.NewSpeechConfigFromSubscription(subscription, region)
  if err != nil {
    fmt.Println("Got an error: ", err)
    return
  }
  defer config.Close()
  speechRecognizer, err := speech.NewSpeechRecognizerFromConfig(config, audioConfig)
  if err != nil {
    fmt.Println("Got an error: ", err)
    return
  }
  defer speechRecognizer.Close()
  speechRecognizer.SessionStarted(func(event speech.SessionEventArgs) {
    defer event.Close()
    fmt.Println("Session Started (ID=", event.SessionID, ")")
  })
  speechRecognizer.SessionStopped(func(event speech.SessionEventArgs) {
    defer event.Close()
    fmt.Println("Session Stopped (ID=", event.SessionID, ")")
  })
  helpers.PumpFileIntoStream(file, stream)
  task := speechRecognizer.RecognizeOnceAsync()
  var outcome speech.SpeechRecognitionOutcome
  select {
  case outcome = <-task:
  case <-time.After(40 * time.Second):
    fmt.Println("Timed out")
    return
  }
  defer outcome.Close()
  if outcome.Error != nil {
    fmt.Println("Got an error: ", outcome.Error)
  }
  fmt.Println("Got a recognition!")
  fmt.Println(outcome.Result.Text)
}

参考文档 | GitHub 上的其他示例

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 SDK 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 需要安装一些依赖项和插件。

GStreamer 二进制文件必须位于系统路径中,以便语音 SDK 可以在运行时加载它们。 例如,在 Windows 上,如果语音 SDK 在运行时找到 libgstreamer-1.0-0.dllgstreamer-1.0-0.dll(对于最新的 GStreamer),这意味着 GStreamer 二进制文件在系统路径中。

选择平台可获取安装说明。

处理压缩音频是使用 GStreamer 实现的。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 但是,需要使用适用于 Android 的预生成二进制文件。 若要下载预生成库,请参阅为 Android 开发安装

libgstreamer_android.so 对象是必需的。 请确保已在 libgstreamer_android.so 中关联所有 GStreamer 插件(来自下面的 Android.mk 文件)。 将语音 SDK 与 GStreamer 版本 1.18.3 配合使用时,还需要从 android ndk 提供 libc++_shared.so

GSTREAMER_PLUGINS := coreelements app audioconvert mpg123 \
    audioresample audioparsers ogg opusparse \
    opus wavparse alaw mulaw flac

下面提供了 Android.mkApplication.mk 文件示例。 按照以下步骤创建 gstreamer 共享对象:libgstreamer_android.so

# Android.mk
LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

LOCAL_MODULE    := dummy
LOCAL_SHARED_LIBRARIES := gstreamer_android
include $(BUILD_SHARED_LIBRARY)

ifndef GSTREAMER_ROOT_ANDROID
$(error GSTREAMER_ROOT_ANDROID is not defined!)
endif

ifndef APP_BUILD_SCRIPT
$(error APP_BUILD_SCRIPT is not defined!)
endif

ifndef TARGET_ARCH_ABI
$(error TARGET_ARCH_ABI is not defined!)
endif

ifeq ($(TARGET_ARCH_ABI),armeabi)
GSTREAMER_ROOT        := $(GSTREAMER_ROOT_ANDROID)/arm
else ifeq ($(TARGET_ARCH_ABI),armeabi-v7a)
GSTREAMER_ROOT        := $(GSTREAMER_ROOT_ANDROID)/armv7
else ifeq ($(TARGET_ARCH_ABI),arm64-v8a)
GSTREAMER_ROOT        := $(GSTREAMER_ROOT_ANDROID)/arm64
else ifeq ($(TARGET_ARCH_ABI),x86)
GSTREAMER_ROOT        := $(GSTREAMER_ROOT_ANDROID)/x86
else ifeq ($(TARGET_ARCH_ABI),x86_64)
GSTREAMER_ROOT        := $(GSTREAMER_ROOT_ANDROID)/x86_64
else
$(error Target arch ABI not supported: $(TARGET_ARCH_ABI))
endif

GSTREAMER_NDK_BUILD_PATH  := $(GSTREAMER_ROOT)/share/gst-android/ndk-build/
include $(GSTREAMER_NDK_BUILD_PATH)/plugins.mk
GSTREAMER_PLUGINS         :=  $(GSTREAMER_PLUGINS_CORE) \ 
                              $(GSTREAMER_PLUGINS_CODECS) \ 
                              $(GSTREAMER_PLUGINS_PLAYBACK) \
                              $(GSTREAMER_PLUGINS_CODECS_GPL) \
                              $(GSTREAMER_PLUGINS_CODECS_RESTRICTED)
GSTREAMER_EXTRA_LIBS      := -liconv -lgstbase-1.0 -lGLESv2 -lEGL
include $(GSTREAMER_NDK_BUILD_PATH)/gstreamer-1.0.mk
# Application.mk
APP_STL = c++_shared
APP_PLATFORM = android-21
APP_BUILD_SCRIPT = Android.mk

可以在 Ubuntu 18.04 或 20.04 上使用以下命令生成 libgstreamer_android.so。 以下命令行针对使用 Android NDK b16b 的 [GStreamer Android 版本 1.14.4] 进行了测试。

# Assuming wget and unzip are already installed on the system
mkdir buildLibGstreamer
cd buildLibGstreamer
wget https://dl.google.com/android/repository/android-ndk-r16b-linux-x86_64.zip
unzip -q -o android-ndk-r16b-linux-x86_64.zip
export PATH=$PATH:$(pwd)/android-ndk-r16b
export NDK_PROJECT_PATH=$(pwd)/android-ndk-r16b
wget https://gstreamer.freedesktop.org/download/
mkdir gstreamer_android
tar -xjf gstreamer-1.0-android-universal-1.14.4.tar.bz2 -C $(pwd)/gstreamer_android/
export GSTREAMER_ROOT_ANDROID=$(pwd)/gstreamer_android

mkdir gstreamer
# Copy the Application.mk and Android.mk from the documentation above and put it inside $(pwd)/gstreamer

# Enable only one of the following at one time to create the shared object for the targeted ABI
echo "building for armeabi-v7a. libgstreamer_android.so will be placed in $(pwd)/armeabi-v7a"
ndk-build -C $(pwd)/gstreamer "NDK_APPLICATION_MK=Application.mk" APP_ABI=armeabi-v7a NDK_LIBS_OUT=$(pwd)

#echo "building for arm64-v8a. libgstreamer_android.so will be placed in $(pwd)/arm64-v8a"
#ndk-build -C $(pwd)/gstreamer "NDK_APPLICATION_MK=Application.mk" APP_ABI=arm64-v8a NDK_LIBS_OUT=$(pwd)

#echo "building for x86_64. libgstreamer_android.so will be placed in $(pwd)/x86_64"
#ndk-build -C $(pwd)/gstreamer "NDK_APPLICATION_MK=Application.mk" APP_ABI=x86_64 NDK_LIBS_OUT=$(pwd)

#echo "building for x86. libgstreamer_android.so will be placed in $(pwd)/x86"
#ndk-build -C $(pwd)/gstreamer "NDK_APPLICATION_MK=Application.mk" APP_ABI=x86 NDK_LIBS_OUT=$(pwd)

生成共享对象 (libgstreamer_android.so) 后,将共享对象放在 Android 应用中,以便语音 SDK 加载它。

示例

若要将语音 SDK 配置为接受压缩的音频输入,请创建 PullAudioInputStreamPushAudioInputStream。 然后,从流类的实例创建 AudioConfig,以指定流的压缩格式。 在语音 SDK 示例中查找相关示例代码。

让我们假设你有一个名为 pullAudio 的输入流类并且使用 MP3。 你的代码可能如下所示:

String filePath = "whatstheweatherlike.mp3";
PullAudioInputStream pullAudio = AudioInputStream.createPullStream(new BinaryAudioStreamReader(filePath),
    AudioStreamFormat.getCompressedFormat(AudioStreamContainerFormat.MP3));
AudioConfig audioConfig = AudioConfig.fromStreamInput(pullAudio);

参考文档 | 包 (npm) | GitHub 上的其他示例 | 库源代码

适用于 JavaScript 的语音 SDK 不支持压缩的音频。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 若要输入压缩音频文件(例如 mp3),必须先将它转换为采用默认输入格式的 WAV 文件。 若要流式传输压缩的音频,必须先将音频缓冲区解码为默认输入格式。 有关详细信息,请参阅如何使用音频输入流

参考文档 | 包(下载) | GitHub 上的其他示例

适用于 Objective-C 的语音 SDK 不支持压缩的音频。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 若要输入压缩音频文件(例如 mp3),必须先将它转换为采用默认输入格式的 WAV 文件。 若要流式传输压缩的音频,必须先将音频缓冲区解码为默认输入格式。 有关详细信息,请参阅如何使用音频输入流

参考文档 | 包(下载) | GitHub 上的其他示例

适用于 Swift 的语音 SDK 不支持压缩的音频。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 若要输入压缩音频文件(例如 mp3),必须先将它转换为采用默认输入格式的 WAV 文件。 若要流式传输压缩的音频,必须先将音频缓冲区解码为默认输入格式。 有关详细信息,请参阅如何使用音频输入流

参考文档 | 包 (PyPi) | GitHub 上的其他示例

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 SDK 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 SDK 关联。 需要安装一些依赖项和插件。

GStreamer 二进制文件必须位于系统路径中,以便语音 SDK 可以在运行时加载它们。 例如,在 Windows 上,如果语音 SDK 在运行时找到 libgstreamer-1.0-0.dllgstreamer-1.0-0.dll(对于最新的 GStreamer),这意味着 GStreamer 二进制文件在系统路径中。

选择平台可获取安装说明。

你需要安装几个依赖项和插件。

sudo apt install libgstreamer1.0-0 \
gstreamer1.0-plugins-base \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly

有关详细信息,请参阅 Linux 安装说明支持的 Linux 发行版和目标体系结构

示例

若要将语音 SDK 配置为接受压缩音频输入,请创建 PullAudioInputStreamPushAudioInputStream。 然后,从流类的实例创建 AudioConfig,以指定流的压缩格式。

假设你的用例是将 PullStream 用于 MP3 文件。 你的代码可能如下所示:


import azure.cognitiveservices.speech as speechsdk

class BinaryFileReaderCallback(speechsdk.audio.PullAudioInputStreamCallback):
    def __init__(self, filename: str):
        super().__init__()
        self._file_h = open(filename, "rb")

    def read(self, buffer: memoryview) -> int:
        print('trying to read {} frames'.format(buffer.nbytes))
        try:
            size = buffer.nbytes
            frames = self._file_h.read(size)

            buffer[:len(frames)] = frames
            print('read {} frames'.format(len(frames)))

            return len(frames)
        except Exception as ex:
            print('Exception in `read`: {}'.format(ex))
            raise

    def close(self) -> None:
        print('closing file')
        try:
            self._file_h.close()
        except Exception as ex:
            print('Exception in `close`: {}'.format(ex))
            raise

def compressed_stream_helper(compressed_format,
        mp3_file_path,
        default_speech_auth):
    callback = BinaryFileReaderCallback(mp3_file_path)
    stream = speechsdk.audio.PullAudioInputStream(stream_format=compressed_format, pull_stream_callback=callback)

    speech_config = speechsdk.SpeechConfig(**default_speech_auth)
    audio_config = speechsdk.audio.AudioConfig(stream=stream)

    speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)

    done = False

    def stop_cb(evt):
        """callback that signals to stop continuous recognition upon receiving an event `evt`"""
        print('CLOSING on {}'.format(evt))
        nonlocal done
        done = True

    # Connect callbacks to the events fired by the speech recognizer
    speech_recognizer.recognizing.connect(lambda evt: print('RECOGNIZING: {}'.format(evt)))
    speech_recognizer.recognized.connect(lambda evt: print('RECOGNIZED: {}'.format(evt)))
    speech_recognizer.session_started.connect(lambda evt: print('SESSION STARTED: {}'.format(evt)))
    speech_recognizer.session_stopped.connect(lambda evt: print('SESSION STOPPED {}'.format(evt)))
    speech_recognizer.canceled.connect(lambda evt: print('CANCELED {}'.format(evt)))
    # stop continuous recognition on either session stopped or canceled events
    speech_recognizer.session_stopped.connect(stop_cb)
    speech_recognizer.canceled.connect(stop_cb)

    # Start continuous speech recognition
    speech_recognizer.start_continuous_recognition()
    while not done:
        time.sleep(.5)

    speech_recognizer.stop_continuous_recognition()

def pull_audio_input_stream_compressed_mp3(mp3_file_path: str,
        default_speech_auth):
    # Create a compressed format
    compressed_format = speechsdk.audio.AudioStreamFormat(compressed_stream_format=speechsdk.AudioStreamContainerFormat.MP3)
    compressed_stream_helper(compressed_format, mp3_file_path, default_speech_auth)

语音转文本 REST API 参考 | 适用于短音频的语音转文本 REST API 参考 | GitHub 上的其他示例

可对压缩的音频使用 REST API,但我们尚未制作相关的指南。 请选择其他编程语言以开始学习并了解相关概念。

语音 SDK 和语音 CLI 使用 GStreamer 支持不同类型的输入音频格式。 GStreamer 会先解压缩音频,然后再将音频作为原始 PCM 通过网络发送到语音服务。

默认音频流格式为 WAV(16 KHz 或 8 kHz,16 位,单声道 PCM)。 除 WAV 和 PCM 之外,GStreamer 还支持以下压缩输入格式:

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器中的 ANY 或未知媒体格式

GStreamer 配置

语音 CLI 可以使用 GStreamer 来处理压缩的音频。 出于许可原因,GStreamer 二进制文件未编译,也未与语音 CLI 相关联。 需要安装一些依赖项和插件。

GStreamer 二进制文件必须位于系统路径中,以便语音 CLI 可以在运行时加载它们。 例如,在 Windows 上,如果语音 CLI 在运行时找到 libgstreamer-1.0-0.dllgstreamer-1.0-0.dll(对于最新的 GStreamer),这意味着 GStreamer 二进制文件在系统路径中。

选择平台可获取安装说明。

你需要安装几个依赖项和插件。

sudo apt install libgstreamer1.0-0 \
gstreamer1.0-plugins-base \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly

有关详细信息,请参阅 Linux 安装说明支持的 Linux 发行版和目标体系结构

示例

--format 选项指定正在识别的音频文件的容器格式。 对于 mp4 文件,请将格式设置为 any,如以下命令中所示:

spx recognize --file YourAudioFile.mp4 --format any

若要获取受支持音频格式的列表,请运行以下命令:

spx help recognize format

后续步骤