Azure容器版语音转文本：ConversationTranscriber报WebSocket升级404错误

核心原因 #

你遇到的404错误是因为Azure Speech to Text本地容器不支持ConversationTranscriber对应的会话转录功能。Azure的本地Speech容器仅实现了基础的语音识别（对应SpeechRecognizer）能力，而会话转录、实时说话人分离这类功能是云端专属的，本地容器没有部署/speech/universal/v2这个WebSocket端点，所以请求会返回404。

验证方法 #

你可以访问本地Speech容器的Swagger文档确认：

http://<service>.<namespace>.svc.cluster.local:80/swagger/ui/index.html

查看后会发现，容器仅提供基础语音识别的API，完全没有会话转录相关的接口定义。

解决途径 #

1. 切换到Azure云端Speech服务
   如果必须使用会话转录功能，只能放弃本地容器，改用Azure云端的Speech资源。修改代码中的speech_config，换成云端的密钥和区域：

   speech_config = speechsdk.SpeechConfig(subscription="你的云端密钥", region="你的区域")
   

   这样ConversationTranscriber就能正常调用云端的会话转录服务。

2. 本地容器替代方案
   如果必须使用本地容器，只能用SpeechRecognizer完成基础语音识别，然后自行实现说话人分离逻辑：

   • 先用SpeechRecognizer转录出文本和对应的音频时间戳
   • 使用第三方库（如pyannote.audio）对原始音频进行说话人分离，再将分离结果和转录文本对应起来

补充说明 #

你尝试更换SDK版本和容器版本无效，是因为所有版本的Azure Speech本地容器都不支持会话转录功能，这是产品设计的限制，和版本无关。另外，SpeechRecognizer能正常运行也证明你的网络连接、容器部署都是正常的，问题完全出在功能支持上。

内容的提问来源于stack exchange，提问作者Jerome Durand