Azure认知服务的语音服务(SST)支持哪些音频格式？

Question

请记住，据我所知，Microsoft/Azure Cognitive Services的"Speech Service“目前正在进行一次理性化的工作。

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二进制文件是可接受的，其他任何文件都可以提供响应：

{"Message":"Unsupported audio format"}

有没有其他方法可以发现可接受的音频格式/编码/等，或者这就是它？

关于在python pydub中预处理任意/.m4a音频格式以使其达到标准的技巧的加分-目前适用于.mp3，但不适用于.m4a。

谢谢!

Answer 1

当前支持的格式为single-channel (mono) WAV / PCM with a sampling rate of 16 kHz。未来将添加更多的格式和编解码器支持。