如何使用壓縮的輸入音訊

  • 發行項

參考文件 | 套件 (NuGet) | GitHub 上的其他範例

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 SDK 可以使用 GStreamer 來處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

GStreamer 二進位檔必須位於系統路徑中，才能在執行時間由語音 SDK 載入。 例如在 Windows 上，若語音 SDK 於執行階段期間找到 libgstreamer-1.0-0.dll 或 gstreamer-1.0-0.dll (最新的 GStreamer)，則表示 GStreamer 二進位檔位於系統路徑中。

選擇平台以取得安裝指示。

您必須安裝數個相依性和外掛程式。

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

如需詳細資訊，請參閱 Linux 安裝指示和支援的 Linux 發行版本和目標結構。

範例

如要設定語音 SDK 接受壓縮的音訊輸入，請建立 PullAudioInputStream 或 PushAudioInputStream。 然後再從串流類別的執行個體中建立 AudioConfig，該類別可指定資料流的壓縮格式。 在關於語音 SDK 音訊輸入資料流 API中，可找到相關的範例程式碼片段。

假設您有一個名為 pullStream，且使用 OPUS/OGG 的輸入資料流類別。 您的程式碼外觀如下：

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;

參考文件 | 套件 (NuGet) | GitHub 上的其他範例

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 SDK 可以使用 GStreamer 來處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

GStreamer 二進位檔必須位於系統路徑中，才能在執行時間由語音 SDK 載入。 例如在 Windows 上，若語音 SDK 於執行階段期間找到 libgstreamer-1.0-0.dll 或 gstreamer-1.0-0.dll (最新的 GStreamer)，則表示 GStreamer 二進位檔位於系統路徑中。

選擇平台以取得安裝指示。

您必須安裝數個相依性和外掛程式。

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

如需詳細資訊，請參閱 Linux 安裝指示和支援的 Linux 發行版本和目標結構。

範例

如要設定語音 SDK 接受壓縮的音訊輸入，請建立 PullAudioInputStream 或 PushAudioInputStream。 然後再從串流類別的執行個體中建立 AudioConfig，該類別可指定資料流的壓縮格式。 在語音 SDK 範例 (英文) 中，可找到相關的範例程式碼。

假設您有一個名為 pushStream，且使用 OPUS/OGG 的輸入資料流類別。 您的程式碼外觀如下：

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;

參考文件 | 套件 (Go) | GitHub 上的其他範例

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 SDK 可以使用 GStreamer 來處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

您必須安裝數個相依性和外掛程式。

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

如需詳細資訊，請參閱 Linux 安裝指示和支援的 Linux 發行版本和目標結構。

範例

如要設定語音 SDK 接受壓縮的音訊輸入，請建立 PullAudioInputStream 或 PushAudioInputStream。 然後再從串流類別的執行個體中建立 AudioConfig，該類別可指定資料流的壓縮格式。

在下列範例中，我們假設您的使用案例是針對壓縮檔案使用 PushStream。


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)
}

參考文件 | GitHub 上的其他範例

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 SDK 可以使用 GStreamer 來處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

GStreamer 二進位檔必須位於系統路徑中，才能在執行時間由語音 SDK 載入。 例如在 Windows 上，若語音 SDK 於執行階段期間找到 libgstreamer-1.0-0.dll 或 gstreamer-1.0-0.dll (最新的 GStreamer)，則表示 GStreamer 二進位檔位於系統路徑中。

選擇平台以取得安裝指示。

系統會使用 GStreamer 實作已壓縮音訊的處理作業。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須改用 Android 的預建二進位檔。 如要下載預建程式庫，請參閱安裝 Android 開發環境。

需要 libgstreamer_android.so 物件。 請確定所有的 GStreamer 外掛程式 (來自下方的 Android.mk 檔案)，皆連結於 libgstreamer_android.so 中。 當您使用具有 GStreamer 1.18.3 版的語音 SDK 時，在 android ndk 中也必須具有 libc++_shared.so。

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

此處提供範例 Android.mk 與 Application.mk 檔案。 請依照下列步驟建立gstreamer共用物件：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

您可在 Ubuntu 18.04 或 20.04 上，使用下列命令建置 libgstreamer_android.so。 下列命令行已經過 Android NDK b16b 的 [GStreamer Android 1.14.4 版] 測試。

# 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)

當建置共用物件 (libgstreamer_android.so) 後，請將共用物件置於 Android 應用程式中，以便語音 SDK 能夠負載。

範例

如要設定語音 SDK 接受壓縮的音訊輸入，請建立 PullAudioInputStream 或 PushAudioInputStream。 然後再從串流類別的執行個體中建立 AudioConfig，該類別可指定資料流的壓縮格式。 在語音 SDK 範例 (英文) 中，可找到相關的範例程式碼。

假設您有一個名為 pullAudio，且使用 MP3 的輸入資料流類別。 您的程式碼外觀如下：

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

參考文件 | 套件 (npm) | GitHub 上的其他範例 | 程式庫原始程式碼

適用於 JavaScript 的語音 SDK 不支援壓縮的音訊。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 若要輸入壓縮的音訊檔案（例如 mp3），您必須先以預設輸入格式將它轉換成 WAV 檔案。 若要串流壓縮的音訊，您必須先將音訊緩衝區解碼為預設輸入格式。 如需詳細資訊，請參閱如何使用音訊輸入資料流。

參考文件 | 套件 (Download) | GitHub 上的其他範例

適用於 Objective-C 的語音 SDK 不支援壓縮的音訊。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 若要輸入壓縮的音訊檔案（例如 mp3），您必須先以預設輸入格式將它轉換成 WAV 檔案。 若要串流壓縮的音訊，您必須先將音訊緩衝區解碼為預設輸入格式。 如需詳細資訊，請參閱如何使用音訊輸入資料流。

參考文件 | 套件 (Download) | GitHub 上的其他範例

適用於 Swift 的語音 SDK 不支援壓縮的音訊。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 若要輸入壓縮的音訊檔案（例如 mp3），您必須先以預設輸入格式將它轉換成 WAV 檔案。 若要串流壓縮的音訊，您必須先將音訊緩衝區解碼為預設輸入格式。 如需詳細資訊，請參閱如何使用音訊輸入資料流。

參考文件 | 套件 (PyPi) | GitHub 上的其他範例

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 SDK 可以使用 GStreamer 來處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 SDK 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

GStreamer 二進位檔必須位於系統路徑中，才能在執行時間由語音 SDK 載入。 例如在 Windows 上，若語音 SDK 於執行階段期間找到 libgstreamer-1.0-0.dll 或 gstreamer-1.0-0.dll (最新的 GStreamer)，則表示 GStreamer 二進位檔位於系統路徑中。

選擇平台以取得安裝指示。

您必須安裝數個相依性和外掛程式。

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

如需詳細資訊，請參閱 Linux 安裝指示和支援的 Linux 發行版本和目標結構。

範例

如要設定語音 SDK 接受壓縮的音訊輸入，請建立 PullAudioInputStream 或 PushAudioInputStream。 然後再從串流類別的執行個體中建立 AudioConfig，該類別可指定資料流的壓縮格式。

讓我們假設您的使用案例是針對 MP3 檔案使用 PullStream。 您的程式碼外觀如下：


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)

語音轉換文字 REST API 參考 | 適用於簡短音訊的語音轉換文字 REST API 參考 | GitHub 上的其他範例

您可以針對壓縮的音訊使用 REST API，但我們尚未將指南納入此處。 請選取另一種程式設計語言，以開始使用並了解概念。

語音 SDK 和語音 CLI 使用 GStreamer 來支援不同類型的輸入音訊格式。 GStreamer 會先將音訊解壓縮，再透過網路以原始 PCM 的形式傳送至語音服務。

預設的音訊串流格式為 WAV (16 kHz 或 8 kHz、16 位元和 mono PCM)。 除了 WAV 和 PCM 之外，GStreamer 亦可支援下列壓縮輸入格式：

  • MP3
  • OPUS/OGG
  • FLAC
  • WAV 容器中的 ALAW
  • WAV 容器中的 MULAW
  • MP4 容器或未知媒體格式的 ANY

GStreamer 設定

語音 CLI 可以使用 GStreamer 處理已壓縮的音訊。 基於授權理由，GStreamer 二進位檔不會以語音 CLI 進行編譯和連結。 您必須安裝一些相依性和外掛程式。

GStreamer 二進位檔必須位於系統路徑中，才能在執行時間由語音 CLI 載入。 例如在 Windows 上，若語音 CLI 於執行階段期間找到 libgstreamer-1.0-0.dll 或 gstreamer-1.0-0.dll (最新的 GStreamer)，則表示 GStreamer 二進位檔位於系統路徑中。

選擇平台以取得安裝指示。

您必須安裝數個相依性和外掛程式。

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

如需詳細資訊，請參閱 Linux 安裝指示和支援的 Linux 發行版本和目標結構。

範例

--format選項會指定要辨識的音訊檔案容器格式。 針對 mp4 檔案，請將格式設定為 any，如下列命令所示：

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

若要取得支援的音訊格式清單，請執行下列命令：

spx help recognize format

下一步