我一直在尝试使用牛津项目说话人识别API(https://dev.projectoxford.ai/docs/services/563309b6778daf02acc0a508/operations/5645c3271984551c84ec6797)。
我已经成功地在麦克风上录制声音,将其转换为所需的WAV(PCM,16位,16K,单声道)。
问题是当我尝试将此文件作为二进制流发布到 API 时,它会返回无效音频格式错误消息。
网站上的演示接受相同的文件(https://www.projectoxford.ai/demo/SPID)。
我正在使用此代码使用 python 2.7。
import httplib
import urllib
import base64
import json
import codecs
headers = {
# Request headers
'Content-Type': 'application/octet-stream',
'Ocp-Apim-Subscription-Key': '{KEY}',
}
params = urllib.urlencode({
})
def enroll(audioId):
conn = httplib.HTTPSConnection('api.projectoxford.ai')
file = open('test.wav','rb')
body = file.read()
conn.request("POST", "/spid/v1.0/verificationProfiles/" + audioId +"/enroll?%s" % params, str(body), headers)
response = conn.getresponse()
data = response.read()
print data
conn.close()
return data
这就是我得到的回应。
{
"error": {
"code": "BadRequest",
"message": "Invalid Audio Format"
}
}
请有人指导我错过了什么。我已经验证了音频文件的所有属性和 API 所需的要求,但没有运气。
感谢所有答案和评论。
我用 ruby 编写的测试程序将此文件发送到牛津项目,并且可以正常工作。我认为问题可能出在您发送的其他参数中。 尝试将"内容类型"标题更改为"音频/WAV;采样率=1600' 这是我使用的标题。 我还发送了一个带有文件大小的"内容长度"标头。 我不确定是否需要"内容长度",但包含它是一个很好的标准。