要发送到 Bing Speech to Text API 的最大音频文件长度（持续时间）应该是多少？

Posted 2023-03-10

【中文标题】要发送到 Bing Speech to Text API 的最大音频文件长度（持续时间）应该是多少？

【英文标题】：What should be the maximum audio file length (duration) to be sent to Bing Speeh to Text API?

【发布时间】：2017-12-04 06:38:23

【问题描述】：

我已推荐this documentation。 他们在使用客户端库进行语音转文本时提到了“长音频流（长达 10 分钟）”。

语音转文本是否接受超过 10 分钟的音频文件？ 如果我们通过音频文件 > 10 分钟会发生什么？

在我的用例中，我需要传递超过 30 分钟的音频文件。那么对于这些​​情况我们该怎么办呢？

【参考方案1】：

您可以使用 ffmpeg 以编程方式拆分较长的音频流，并将这些块传递给此客户端库。您可以选中此项以编程方式将长音频流划分为指定时间的块：https://superuser.com/questions/525210/splitting-an-audio-file-into-chunks-of-a-specified-length。

然后，您可以将这些块中的文本组合起来以获取整个文本。不是最干净的方式 - 但可以扩展。