使用Expo-AV录制的音频无法正常调用Azure语音转文本API

我使用expo-av录制本地音频，尝试发送到Microsoft Azure Speech-To-Text API，但一直无法得到有效结果。请求返回状态码200（OK），但识别结果始终是空字符串""，仿佛音频内容未被正确解析。我试过用axios替换Expo的uploadAsync，问题依旧。目前怀疑是音频发送方式有误，二进制内容的处理可能存在问题。

当前请求代码 #

const sendToAzure = async () => {
    const url = "https://brazilsouth.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=pt-BR"
    const key = 'my-api-key';
    try {
        const uri = recording.getURI();
        const response = await FileSystem.uploadAsync(url, uri, {
            httpMethod: 'POST',
            headers: {
                'Ocp-Apim-Subscription-Key': key,
            },
            uploadType: FileSystem.FileSystemUploadType.BINARY_CONTENT,
        });
        console.log('Response:', JSON.parse(response.body));
    } catch (error) {
        console.error(error);
    }
}

注：recording状态正常，通过其URI可以正常播放录制的音频，这部分功能没有问题。

解决建议 #

1. 确保音频格式符合Azure API要求

Azure Speech-To-Text API对音频格式有严格要求，默认支持WAV（PCM编码，16kHz采样率，16位单声道）。Expo-AV默认录制的是AAC格式，需要修改录制选项：

const recordingOptions = {
    android: {
        extension: '.wav',
        outputFormat: Audio.RECORDING_OPTION_ANDROID_OUTPUT_FORMAT_LINEAR_PCM,
        audioEncoder: Audio.RECORDING_OPTION_ANDROID_AUDIO_ENCODER_PCM_16BIT,
        sampleRate: 16000,
        numberOfChannels: 1,
        bitRate: 128000,
    },
    ios: {
        extension: '.wav',
        audioQuality: Audio.RECORDING_OPTION_IOS_AUDIO_QUALITY_HIGH,
        sampleRate: 16000,
        numberOfChannels: 1,
        bitRate: 128000,
        linearPCMBitDepth: 16,
        linearPCMIsBigEndian: false,
        linearPCMIsFloat: false,
    },
};
// 开始录音时传入该选项
await recording.prepareToRecordAsync(recordingOptions);

2. 添加必要的请求头

Azure API需要Content-Type头来识别音频格式，之前的请求缺少该字段，导致API无法解析内容。修改请求头：

headers: {
    'Ocp-Apim-Subscription-Key': key,
    'Content-Type': 'audio/wav; codecs=audio/pcm; samplerate=16000'
},

3. 验证并正确发送二进制内容

可以先读取音频文件的二进制数据，转换成Blob后再发送，确保内容正确：

const sendToAzure = async () => {
    const url = "https://brazilsouth.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=pt-BR"
    const key = 'my-api-key';
    try {
        const uri = recording.getURI();
        // 读取音频文件为base64格式
        const base64Data = await FileSystem.readAsStringAsync(uri, { 
            encoding: FileSystem.EncodingType.Base64 
        });
        // 转换为Blob
        const blob = await fetch(`data:audio/wav;base64,${base64Data}`).then(res => res.blob());
        // 发送请求
        const response = await fetch(url, {
            method: 'POST',
            headers: {
                'Ocp-Apim-Subscription-Key': key,
                'Content-Type': 'audio/wav; codecs=audio/pcm; samplerate=16000'
            },
            body: blob
        });
        const result = await response.json();
        console.log('Response:', result);
    } catch (error) {
        console.error(error);
    }
}

4. 确认Azure区域与密钥匹配

检查订阅密钥对应的区域是否为brazilsouth，确保API端点URL和密钥的区域一致，避免跨区域导致的解析失败。

内容的提问来源于stack exchange，提问作者Rodrigo Duarte