百度PaddleSpeech识别大音频文件报错

一、背景

公司前同事留下了一套语音识别项目，内部使用百度PaddleSpeech。在项目验收的时候发现无法识别大音频文件，但是可以识别小音频文件。

这套项目是通过python调用的百度PaddleSpeech，然后提供了restful接口，然后java项目可以通过接口来进行语音识别。

二、解决方案

我看了一下前同事留下的代码，发现报错信息来自百度PaddleSpeech内部，所以修改源代码这条路基本无解。

我通过互联网搜索到“根据百度AI开放平台的错误码汇总，如果音频时长超过60秒，将会导致错误。”

基于上述情况，我准备调用java代码操作ffmpeg工具将大音频文件进行分割，然后针对小音频逐个识别，最终拼接识别结果即可。

我切分的标准是50s一段，基本都是可以识别出来的。

拓展：

百度PaddleSpeech语音识别目前格式仅支持pcm、wav或amr，我们常见一点的是wav格式。由于不支持mp3格式，如果想识别mp3格式文件内容，也可以使用ffmpeg进行文件格式转换，转换完成之后就可以识别了