c# - ffmpeg 从 mp4 获取音频流并将其发送到语音识别

Question

我有几个 .mp4 视频文件，其中每个视频文件的开头都有一个单词，我想加载这些文件获取音频检查口语单词并相应地重命名文件。

目前我正在做的是，将所有 mp4 文件转换为 wav，然后将其发送到语音识别，然后进行重命名。

有没有办法缩短“转换为 wav”部分并直接将 mp4 音频流发送到语音识别？

谢谢，