Azure 认知服务的语音服务 (SST) 支持哪些音频格式？

Question

请记住，Microsoft/Azure 认知服务的 "Speech Service" 目前正在进行合理化工作，据我所知

https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/rest-apis#speech-to-text

https://docs.microsoft.com/en-us/azure/cognitive-services/speech/home

只有 .wav 个二进制文件是可接受的，任何其他给出响应的：

{"Message":"Unsupported audio format"}

有没有其他方法可以发现可接受的音频formats/encodings/etc，或者就是这样？

[关于在 python pydub 中预处理任意/.m4a 音频格式的提示的奖励积分，以便它们符合标准 - 目前适用于 .mp3 但不适用于.m4a].

谢谢！

Answer 1

目前支持的格式为single-channel (mono) WAV / PCM with a sampling rate of 16 kHz。将来会添加更多格式和编解码器支持。