Project Oxford 说话人识别 - 无效的音频格式

Question

我一直在尝试使用 Project Oxford Speaker Recognition API (https://dev.projectoxford.ai/docs/services/563309b6778daf02acc0a508/operations/5645c3271984551c84ec6797).

我已经成功地在我的麦克风上录制了声音并将其转换为所需的 WAV(PCM,16bit,16K,Mono)。

问题是当我尝试 post 此文件作为二进制流传输到 API 时 returns 出现无效音频格式错误消息。

网站上的演示接受了相同的文件(https://www.projectoxford.ai/demo/SPID)。

我正在使用 python 2.7 和此代码。

import httplib
import urllib
import base64
import json
import codecs

headers = {
    # Request headers
    'Content-Type': 'application/octet-stream',
    'Ocp-Apim-Subscription-Key': '{KEY}',
}

params = urllib.urlencode({
})


def enroll(audioId):
    conn = httplib.HTTPSConnection('api.projectoxford.ai')
    file = open('test.wav','rb')
    body = file.read()
    conn.request("POST", "/spid/v1.0/verificationProfiles/" + audioId +"/enroll?%s" % params, str(body), headers)
    response = conn.getresponse()
    data = response.read()
    print data
    conn.close()
    return data

这是我得到的回复。

{
    "error": {
        "code": "BadRequest",
        "message": "Invalid Audio Format"
    }
}

如果有人可以指导我了解我所缺少的东西，请多多指教。我已经验证了音频文件的所有属性和 API 所需的要求，但没有成功。

感谢所有回答和评论。

Answer 1

我将此文件连同我在 ruby 中的测试程序一起发送到 Project oxford，它工作正常。我认为问题可能出在您发送的其他参数中。尝试将 'Content Type' header 更改为 'audio/wav; samplerate=1600' 这是我使用的 header。我还发送了一个 'Content Length' header 和文件的大小。我不确定是否需要 'Content Length'，但包含它是一个很好的标准。

Project Oxford 说话人识别 - 无效的音频格式

Project Oxford Speaker Recognition- Invalid Audio Format

python

audio

voice-recognition

flask

microsoft-cognitive