预处理视频文件以提高文件转写效率
Paraformer语音识别API可以兼容视频文件,但由于视频文件尺寸通常较大、传输较为耗时,因此建议您对视频文件进行预处理。仅提取需要进行语音识别的音轨,并进行合理压缩,从而显著降低文件尺寸、减少API调用过程中的文件传输耗时、加快文件转写吞吐效率。
前提条件
已安装FFmpeg。
操作步骤
使用FFmpeg提取视频文件中的第一条音轨、将采样降到16kHz、并压缩编码为OPUS文件。
一般情况下,输出的音频文件将显著小于输入的视频文件的尺寸,可向文件转写API提交该音频文件(以URL指定),获得语音识别结果。
ffmpeg -i input-video-file -ac 1 -ar 16000 -acodec libopus output-audio-file.opus
通过OSS提高文件转写效率和稳定性
由于阿里云对象存储OSS可以便捷地为文件生成URL,从而被指定为API的输入,对位于同地域OSS中的文件进行转写有助于提高转写效率和稳定性,因此推荐您使用与Paraformer语音识别API同地域的OSS进行音视频文件存储。
Paraformer语音识别文件转写API当前部署的地域有:华北2(北京,cn-beijing)。
重要
对同地域的OSS文件进行语音识别文件转写时,应指定OSS bucket的内网域名下的URL作为文件名。这将避免产生不必要的OSS网络流量费用。
更多关于对象存储OSS的信息,请参见OSS。
文档内容是否对您有帮助?