语音音频文件识别

目前市面上语音识别有两种方式，分别是实时流式语音识别和音频文件识别。下面重点介绍音频文件识别：

1、音频文件识别的定义：

音频文件识别是指将声波录制成音频文件，用这个音频文件去识别转换成文字的过程。

2、音频文件识别连接的方式：

目前音频文件识别连接的方式为http连接；

3、音频文件识别支持的音频文件格式：

在语音音频文件识别中，目前市面长能够支持识别的音频文件格式受几个参数的影响：

①音频文件格式：pcm，wav，ogg_speex，ogg_opus，mp3，opus；

②采样位宽：16bits；或者 sample bytes: 2 Bytes；

③声道：单声道，或者channel: 1；

④采样率：16，或者 sample rate: 16000；

备注：1Byte=8bit

4、音频文件识别中查看音频格式的工具：

①开发使用音频文件转换工具FFmpeg，目前市场上的音频格式复杂多样，但是系统支持的音频只有上边的几种，因此就涉及到音频格式转换的问题，常用的音频文件转换的工具有FFmpeg，国外软件，开源的，能够将不同格式、不同采样率、不同比特率、不同声道的音频转换成系统能够支持的格式，再去识别。FFmpeg最主要的优势是开源，可以基于源代码做转换，能够使用代码将音频文件转换成系统能够识别的格式，对于系统集成有很大的便捷性；

②自己使用音频文件转换工具“格式工厂”，格式工厂能够将音频文件直接转换成所需要的格式，同时在转换过程中，能够查看原始音频文件的格式，能够查看音频文件的比特率、采样位宽、声道等参数信息；但是局限性在于本软件为可视化的页面形式，没有提供开源代码，因此不具备系统集成性；

③自己使用音频文件转换工具“audacity”：国外软件，能够分析音频的质量、清晰度等问题。

④eSpeak工具，在测试语音产品方面，能够将文字转换成标准wav格式的音频文件，能够排出人为干扰，方便使用。

5、通用手机、pad、录音笔录制音频文件格式说明：

①华为手机自带“录音机”录制的音频文件格式为16k采样率，16比特率，单声道、wav格式，为标准格式，因此一般情况下不需要转换格式。

②华为手机录制的电话录音格式：amr格式，单声道、16k采样率、14比特率，为非标准音频，因此需要转换格式。

③苹果手机（vivo手机）录制的音频文件格式：m4a格式，双声道、48k采样率

④常用录音笔录制的音频文件格式：2声道、采样率44.1k；