База знаний CloupardПоддерживаемые форматы аудио
SpeechKit позволяет распознавать и синтезировать аудио в форматах:
- LPCM;
- OggOpus;
- MP3.
LPCM
Linear pulse-code modulation без WAV-заголовка.
Характеристики аудио в этом формате.
Частота дискретизации:
|
Версия API
|
Допустимые значения
|
|
8, 16 или 48 кГц
| |
|
любое значение от 8 до 48 кГц
| |
|
8, 16 или 48 кГц
| |
|
любое значение от 8 до 48 кГц
|
Разрядность квантования — 16 бит.
Порядок байтов — обратный (little-endian).
Аудиоданные хранятся как знаковые числа (signed integer).
OggOpus
OggOpus— данные закодированы с помощью аудиокодека OPUS и упакованы в контейнер OGG.
SpeechKit распознает и синтезирует OggOpus без ограничений на качество и заголовки аудиофайлов.
MP3
MP3 — данные закодированы с помощью аудиокодека MPEG-1/2/2.5 Layer III и упакованы в контейнер MP3.
SpeechKit распознает MP3 без ограничений на качество и заголовки аудиофайлов.
Формат MP3 не поддерживается в API v1 синхронного распознавания и API v2 потокового распознавания.
|