Azure对话转录:用户as以$ref$的形式出现

Question

我正在使用Microsoft speech SDK (和他们的示例代码)转录一个多参与者对话。转录运行良好，但对于具有提供签名的人员，它将返回$ref$而不是userid；对于没有签名的人员，它将返回Unidentified。

我使用的不是Roobo，而是我用Audacity准备的一个声音文件，它是8声道的16位16 kHz PCM音频。转录可以工作，所以我认为声音文件不是问题所在。该服务似乎正确识别了与签名文件绑定的语音(例如，它在文本中的正确位置从$ref$切换到Unknown )，但似乎无法访问扬声器名称(模型中的用户It )。

不幸的是，除了提供的微软示例(https://docs.microsoft.com/bs-latn-ba/azure/cognitive-services/speech-service/how-to-use-conversation-transcription-service)之外，我在网上找不到任何C#代码可供参考。

我看到这里有一个类似的问题(但没有答案)的帖子：Azure Speech To Text: Conversation Transcribing userid always return $ref$

有没有人尝试过这一点并付诸实施？

Answer 1

似乎音频的格式不正确。应为16bit、16kHZ、8声道(立体声Left=1、立体声Right=2、Mono=3、Mono=4、Mono=5、Mono=6、Mono=7、静音Mono=8)。

你可以找到enrollment_audio_steve.wav，enrollment_audio_katie.wav Here conversation katiesteve.wav。它的格式是正确的。但是，它不允许从enrollment_audio_katie.wav创建签名。所以这对史蒂夫来说是可行的。

它似乎仍然只适用于SpeechSDK设备。但我可以重新录制自己的音频，基于这种格式。