Azure 认知服务的语音服务 (SST) 支持哪些音频格式？

Question

据我所知，Microsoft/Azure 认知服务的“语音服务”目前正在进行合理化练习

https://learn.microsoft.com/en-us/azure/cognitive-services/speech-service/rest-apis#speech-to-text

https://learn.microsoft.com/en-us/azure/cognitive-services/speech/home

仅

.wav

二进制文件是可接受的，其他任何内容都会给出响应：

{"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，或者就是这样吗？

[有关在 python

.m4a

中预处理任意/

pydub

音频格式的提示的奖励积分，以便它们满足标准 - 目前适用于

.mp3

，但不适用于

.m4a

]。

谢谢！

Answer 1

当前支持的格式是WAV（16 kHz 或 8 kHz、16 位和单声道 PCM）。未来将添加更多格式和编解码器支持。