google-cloud-speech - Cloud Speech API 支持哪些类型的音频？

Question

有很多音频格式（例如，mp3、m4a）、来源（例如，听写、命令、电话、会议）和设备（例如，电话、PC、物联网设备）。哪些最适合 Cloud Speech API？

Answer 1

哪些最适合 Cloud Speech API？

受支持的应该工作得最好：

• LINEAR16 未压缩的 16 位有符号 little-endian 样本。这是 Speech.asyncrecognize 唯一可以使用的编码。
• FLAC 这是 Speech.syncrecognize 和 StreamingRecognize 的推荐编码，因为它使用无损压缩；因此识别准确性不会受到有损编解码器的影响。
• MULAW 8 位样本，使用 G.711 PCMU/mu-law 压缩 14 位音频样本。
• AMR 自适应多速率窄带编解码器。采样率必须为 8000 Hz。
• AMR_WB 自适应多速率宽带编解码器。采样率必须为 16000 Hz。

https://cloud.google.com/speech/reference/rest/v1beta1/RecognitionConfig#AudioEncoding