拆分 Ogg Opus 文件流

Question

我正在尝试将 OGG_OPUS 编码流发送到 google 的语音转文本流服务。 由于 Google 对他们的流请求施加了时间限制，我必须按固定间隔将音频流路由到另一个 Google 语音到文本流 session。

据我了解，OGG流中的页面不能独立读取，因为页面中的数据是通过考虑上一页和下一页的数据计算的。 如果是这样，我们是否可以在某个点切断流并用剩余数据重新创建一个全新的流？ 在某个点停止并在新流中发送数据是行不通的，因为初始 OGG header 数据包在第二个流中也不可用。

我知道这个问题可以使用 PCM 数据来解决，因为它没有编码，PCM 流可以在任何时候简单地分割并变成一个新的流。由于比特率高，我无法使用 PCM 流，而且我不想使用无损质量，因为我正在传输语音数据流。

参考文献：https://www.rfc-editor.org/rfc/rfc7845#section-3

Answer 1

OpusFileSplitter 可以拆分 Opus 音频文件。

只要文件以流开头 (BOS) header 和注释页开头，就可以独立读取 Ogg 页面。您可以通过创建以 Ogg header 页面开头并在 .例如，这个 Ogg Opus 文件：

*********************************************************
*          *              *              *              *
*  Header  *  Audio Data  *  Audio Data  *  Audio Data  *
*   Page   *    Page 1    *    Page 2    *    Page 3    *
*          *              *              *              *
*********************************************************

可以拆分成 2 个文件：

***************************
*          *              *
*  Header  *  Audio Data  *
*   Page   *    Page 1    *
*          *              *
***************************

******************************************
*          *              *              *
*  Header  *  Audio Data  *  Audio Data  *
*   Page   *    Page 2    *    Page 3    *
*          *              *              *
******************************************

关于可以拆分并跨越多个页面的音频片段，您是正确的。我假设如果页面包含不完整的音频片段，可能会损失几毫秒，但这不应该破坏语音识别。不幸的是，我的本地测试使用了 opusenc util 生成的 Opus 文件，它没有创建跨页面拆分段的页面，这似乎是拆分文件的好事！

OpusFileSplitter.scanPages() 展示了如何找到页面边界。