Google Cloud Speech API识别哪些音频文件类型？

Question

我正在尝试使用Google的Cloud Speech API.这里有文档和代码示例:

https://cloud.google.com/speech/docs/basics
https://cloud.google.com/speech/docs/rest-tutorial

如果我将它指向包含的文件audio.raw,但是没有简短的.wav文件,我可以让示例代码运行得很好.

我不知道音频样本文件的格式是什么:

$ file audio.raw 
audio.raw: data

我的.wav文件可能有10秒的音频,我得到一个空的结果.

我知道这个答案.

我之前曾问过我的问题,但问题没有答案.

我无法想象我必须得到音频文件的属性恰到好处才能使其工作.我假设一个常见的用例,我的是,有人录制会议,不知道录制的参数,只是想要一个文本文件.

Answer 1

2020 年 5 月编辑：似乎情况有所改善，此答案不再正确：有关支持的格式（包括 WAV）的详细信息，请参阅新文档。

截至 2016 年，WAV似乎不支持 e 格式。这些格式被记录为受支持：

LINEAR16 未压缩的 16 位有符号小端样本。这是speech.asyncrecognize 可以使用的唯一编码。
FLAC 这是speech.syncrecognize 和StreamingRecognize 的推荐编码，因为它使用无损压缩；因此识别准确性不会受到有损编解码器的影响。仅支持 16 位样本。并非 STREAMINFO 中的所有字段都受支持
MULAW 8 位样本，使用 G.711 PCMU/mu-law 压缩 14 位音频样本。
AMR 自适应多速率窄带编解码器。采样率必须为 8000 Hz。
AMR_WB 自适应多速率宽带编解码器。采样率必须为 16000 Hz。