语音音频文件识别

目前市面上语音识别有两种方式，分别是实时流式语音识别和音频文件识别。下面重点介绍音频文件识别：

1、音频文件识别的定义：

音频文件识别是指将声波录制成音频文件，用这个音频文件去识别转换成文字的过程。

2、音频文件识别连接的方式：

目前音频文件识别连接的方式为http连接；

3、音频文件识别支持的音频文件格式：

在语音音频文件识别中，目前市面长能够支持识别的音频文件格式受几个参数的影响：

①音频文件格式：pcm，wav，ogg_speex，ogg_opus，mp3，opus；

②采样位宽：16bits；或者 sample bytes: 2 Bytes；

③声道：单声道，或者channel: 1；

④采样率：16，或者 sample rate: 16000；

备注：1Byte=8bit

4、音频文件识别中查看音频格式的工具：

①开发使用音频文件转换工具FFmpeg，目前市场上的音频格式复杂多样，但是系统支持的音频只有上边的几种，因此就涉及到音频格式转换的问题，常用的音频文件转换的工具有FFmpeg，国外软件，开源的，能够将不同格式、不同采样率、不同比特率、不同声道的音频转换成系统能够支持的格式，再去识别。FFmpe