最佳实践

Paraformer语音识别

预处理视频文件以提高文件转写效率

虽然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,建议对其进行预处理,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。这样做将大大加快视频文件转写的吞吐效率。在以下最佳实践中,展示了如何使用ffmpeg进行有关的预处理。

前提条件

预处理视频文件

使用ffmpeg提取视频文件中的第一条音轨、降采样到16kHz、并压缩编码为opus文件。

ffmpeg -i input-video-file -ac 1 -ar 16000 -acodec libopus output-audio-file.opus

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,接下去可向文件转写API提交该音频文件(以URL指定),获得语音识别结果。

通过OSS提高文件转写效率和稳定性

推荐使用与Paraformer语音识别API同地域的阿里云对象存储OSS进行音视频文件存储。OSS可以便捷的为文件生成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。

说明

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。

了解对象存储OSS的更多信息,请前往:OSS产品主页