Speech to Text音頻格式

-1

我們可以在語音文本中使用MP3音頻文件Watson API嗎？Speech to Text音頻格式

語音到文本Watson API有哪些流行的不受支持的格式？

來源

2017-04-13 Shreshtha Garg

有沒有什麼你嘗試過，你正在努力（即：甚至手動不能幫助）？你問的一切應該已經在他們的網站上得到解答。 –

不支持MP3： Watson Speech to Text audio formats

來源

2017-04-26 18:06:13

我建議你使用WAV格式，在案件：流行的格式。取決於使用情況。

如果您確實需要使用MP3，您可以簡單地將convert MP3轉換爲WAV。

但是，格式語音到文本的支持是：

音頻/ FLAC：無損音頻編解碼器（FLAC），一個無損壓縮音頻編碼格式。有關更多信息，請參閱en.wikipedia.org/wiki/FLAC。
音頻/ L16：線性的16位脈衝編碼調製（PCM ），一種非壓縮音頻數據的格式。使用此媒體類型傳遞原始PCM文件。請注意，線性PCM音頻也可駐留在容器波形音頻文件格式（WAV）文件中。欲瞭解更多信息，請參閱互聯網工程任務組（IETF）評論請求（RFC）2586和en.wikipedia.org/wiki/Pulse-code_modulation。
音頻/ WAV：波形音頻文件格式（WAV ），由微軟和IBM創建了一個標準。 WAV文件是一個容器，通常用於未壓縮的音頻比特流，但也可以包含壓縮音頻。有關更多信息，請參閱en.wikipedia.org/wiki/WAV。該服務支持使用任何編碼的WAV文件。它接受最多9個頻道的音頻（由於FFmpeg的限制）。
audio/ogg/ audio/ogg; codecs = opus/audio/ogg; codecs = vorbis：Ogg是由Xiph.org基金會維護的免費開放容器格式;有關更多信息，請參閱www.xiph.org/ogg/。這兩種編解碼器都是免費的，開放的，有損音頻壓縮格式。 Opus是首選的編解碼器。如果您省略了編解碼器，該服務會自動從輸入音頻中檢測到它。
音頻/ WEBM/音頻/ WEBM;編解碼器= OPUS /音頻/ WEBM;編解碼器= Vorbis格式：網絡媒體（的WebM）是一個開放的媒體文件格式;有關更多信息，請參閱webmproject.org。 WebM支持使用Opus和Vorbis音頻編解碼器壓縮的音頻流; Opus是首選的編解碼器。如果您省略了編解碼器，該服務會自動從輸入音頻中檢測到它。對於展示如何在Chrome瀏覽器中從麥克風捕獲音頻並將其編碼爲WebM數據流的JavaScript代碼。

但是，隨着更多細節所有格式可以在語音到文本Official Documentation看到。我建議您編輯更多的細節並閱讀文檔，通常IBM的文檔非常客觀和完整。

來源

2017-04-26 19:27:44

不要爲選擇特定的音頻格式進行語音到文本轉換而苦惱，大多數手動語音轉換爲文本或transcription services接受所有可用的格式。當我們對文本服務進行自動語音處理時，我總是更喜歡使用wav over mp3，因爲它包含高位音頻數據，而不會損失音頻的質量並被大多數語音引擎接受。以下是任何轉錄公司支持的格式列表：https://www.transcriptionwave.com/format.html

來源

2017-10-08 06:11:19

Speech to Text音頻格式

回答

相關問題