批量创建转录始终会导致：录音 URI 包含无效数据

Question

我想使用 Azure 语音服务批量转录 API来创建音频文件的转录。我已经成功使用语音服务 SDK（适用于 Node.js），但有兴趣尝试 v3.1 预览版 api ( displayFormWordLevelTimestampsEnabled) 中提供的较新功能之一，所以我想我必须使用REST API 服务来执行此操作。

总的来说，我的问题是，无论我为Create TranscriptAPI提供什么输入contentUrls，我总是会得到相同的错误：

"error": {
   "code": "InvalidData",
   "message": "The recordings URI contains invalid data."
}

经过一番挖掘后，我通过 Azure 门户找到了一些提示，可用于以sox请求的特定格式处理音频文件的转码。

他们在门户文档中提到的具体格式显示：如果您使用 REST API，请确保它使用此表中的格式之一：

格式	编解码器	比特率	采样率
音频格式	相变材料	256kbps	16 kHz，单声道
奥格	奥普斯	256kbps	16 kHz，单声道

sox 的具体命令是：

活动	SoX命令
检查音频文件格式。	红袜--我
将音频文件转换为单声道、16 位、16 KHz。	sox -b 16 -e 有符号整数 -c 1 -r 16k -t wav .wav

我通过第二个命令运行我的 mp3 并使用第一个命令验证该文件，文件的内容如下所示：

Input File     : 'out5.wav'
Channels       : 1
Sample Rate    : 16000
Precision      : 16-bit
Duration       : 00:00:30.09 = 481488 samples ~ 2256.97 CDDA sectors
File Size      : 963k
Bit Rate       : 256k
Sample Encoding: 16-bit Signed Integer PCM

最后，我将文件上传到公共 S3 存储桶，用作我的请求的内容 url：

POST https://westus.api.cognitive.microsoft.com/speechtotext/v3.0/transcriptions

{
  "contentUrls": [
        "https://s3.us-west-1.amazonaws.com/xxxx/out5.wav"
  ],
  "locale": "en-US",
  "displayName": "Test"
}

但它仍然失败，并出现我上面发布的相同错误。对可能出现问题的任何见解？谢谢！

更新：

下面的答案提到能够在Get Transcript/ Create Transcriptapi 调用上引用 reports.json 文件。

当我使用Create TranscriptAPI 时，我的有效负载是：

{
    "self": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/transcriptions/02815462-e9c0-4fdc-8bbe-7b0e78152f95",
    "model": {
        "self": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/models/base/c3b008fa-eb47-4f6d-a5b9-71dd37870bb7"
    },
    "links": {
        "files": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/transcriptions/02815462-e9c0-4fdc-8bbe-7b0e78152f95/files"
    },
    "properties": {
        "diarizationEnabled": false,
        "wordLevelTimestampsEnabled": false,
        "displayFormWordLevelTimestampsEnabled": false,
        "channels": [
            0,
            1
        ],
        "punctuationMode": "DictatedAndAutomatic",
        "profanityFilterMode": "Masked"
    },
    "lastActionDateTime": "2022-09-13T23:37:09Z",
    "status": "NotStarted",
    "createdDateTime": "2022-09-13T23:37:09Z",
    "locale": "en-US",
    "displayName": "Test"
}

调用Get Transcript我看到：

{
    "self": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/transcriptions/02815462-e9c0-4fdc-8bbe-7b0e78152f95",
    "model": {
        "self": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/models/base/c3b008fa-eb47-4f6d-a5b9-71dd37870bb7"
    },
    "links": {
        "files": "https://westus.api.cognitive.microsoft.com/speechtotext/v3.1-preview.1/transcriptions/02815462-e9c0-4fdc-8bbe-7b0e78152f95/files"
    },
    "properties": {
        "diarizationEnabled": false,
        "wordLevelTimestampsEnabled": false,
        "displayFormWordLevelTimestampsEnabled": false,
        "channels": [
            0,
            1
        ],
        "punctuationMode": "DictatedAndAutomatic",
        "profanityFilterMode": "Masked",
        "error": {
            "code": "InvalidData",
            "message": "The recordings URI contains invalid data."
        }
    },
    "lastActionDateTime": "2022-09-13T23:37:22Z",
    "status": "Failed",
    "createdDateTime": "2022-09-13T23:37:09Z",
    "locale": "en-US",
    "displayName": "Test"
}

最后查看成绩单文件，我得到一个空列表：

{
    "values": []
}

我没有看到任何对 reports.json 的引用，也没有看到此处填充的任何数据。

Answer 1

在许多情况下，您可以通过执行 GEThttps://westus.api.cognitive.microsoft.com/speechtotext/v3.0/transcriptions/<transcription_id>/files并查看其中引用的 report.json 来获取详细的错误信息。

如果这没有帮助，您可以发布失败转录的转录 ID，以便团队中的某人（我是其中之一）可以查看服务日志。