Python中Azure认知服务异步语音识别问题排查

核心问题分析 #

你收到的ResultReason.Canceled错误缺少关键诊断信息，先补全错误详情是定位问题的核心步骤。

具体排查步骤 #

1. 补全取消事件的错误详情 #

修改on_canceled方法，打印具体错误代码和原因，直接定位问题类型：

def on_canceled(self, evt):
    print('Canceled: {}'.format(evt))
    # 新增：输出关键错误信息
    if evt.reason == speechsdk.CancellationReason.Error:
        print(f"错误代码: {evt.error_code}")
        print(f"错误详情: {evt.error_details}")

2. 检查音频数据格式匹配 #

你指定的是8kHz、16位单声道原始PCM格式，但RTP包是经过编码的音频（如G.711、OPUS），Azure STT不支持直接接收RTP封装的数据包：

• 必须先解码RTP包，得到原始的16位小端字节序PCM数据
• 确保send方法传入的audio_data_buffer是纯PCM字节流，而非RTP包

3. 修正识别器启动时序 #

start_continuous_recognition_async()是异步方法，可能会话未完全启动就推送音频，需等待异步操作完成：

# 替换原启动代码
start_task = self.speech_recognizer.start_continuous_recognition_async()
start_task.wait()  # 等待识别器完全启动

4. 验证订阅信息正确性 #

确认config_ai.json中的密钥和区域与Azure门户Speech资源完全一致，区域格式需为短代码（如eastus），不能有拼写错误或多余字符。

5. 用标准PCM数据做基础测试 #

排除RTP解码问题，先用本地原始PCM文件测试推送：

# 测试代码：读取本地8kHz/16位/单声道PCM文件并推送
with open("test_8k16mono.pcm", "rb") as f:
    data = f.read(1024)
    while data:
        azure_stt.send(data)
        time.sleep(0.01)
        data = f.read(1024)

常见错误对应场景 #

• AuthenticationFailure：密钥无效或区域不匹配
• BadRequest：音频格式不匹配（推送了编码后的音频而非原始PCM）
• ConnectionFailure：网络阻塞或防火墙拦截了Azure服务连接

内容的提问来源于stack exchange，提问作者Sstack324