Paraformer语音识别
了解如何通过从视频文件中提取音轨、并进行合理的压缩以显著降低文件尺寸,从而减少API调用过程中的文件传输耗时、加快文件转写吞吐效率,请查阅:预处理视频文件以提高文件转写效率。
通过OSS可以提高文件转写的效率和稳定性,请查阅:通过OSS提高文件转写效率和稳定性。
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
安装ffmpeg:请前往ffmpeg官方网站。
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。
文档内容是否对您有帮助?