如何使用python将音频缓冲区传递到语音到文本服务

Question

我正在使用蔚蓝的语音文字服务，使用python处理大量的音频。为了处理音频，以下是执行的步骤-

1. 从web服务器下载音频到本地的‘C:/音频’驱动器。
2. 将下载的音频路径传递到Speech的- Audioconfig(filename =‘C:/音频/my_audo.wav’)

与其下载到本地机器，我希望从服务器获取文件，并将其直接传递到语音到文本服务。对此，

1. 我将音频以bytes形式存储在音频缓冲区中，如- raw_audio = my_audio_in_bytes # class <'bytes'>
2. 然后，我将音频缓冲区传递给AudioConfig(filename = raw_audio) -它不工作。因为它需要一个filepath

有没有办法将音频缓冲区传递给该服务？

配置python代码：

speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
audio_config = speechsdk.audio.AudioConfig(filename='C:/audios/audio1.wav')
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)  

Answer 1

@ use 1990，根据我们的讨论关于这个GitHub问题，请使用批量转录，因为Speech不支持从托管在web服务上的WAV文件中直接识别(您首先需要在本地下载它)。