Azure Blob存储触发函数实现音频转文本：AudioConfig无法直接使用Blob URI的解决方案求助

我之前也踩过这个坑——不想把Blob里的音频下载到本地，直接用流来做语音转文本。其实Speech SDK支持通过AudioInputStream处理流式音频，我们可以把Azure Blob的下载流直接包装成符合要求的输入流，具体步骤如下：

步骤1：安装依赖包 #

除了Speech SDK，还需要Azure Blob存储的SDK，执行以下命令安装：

pip install azure-cognitiveservices-speech azure-storage-blob

步骤2：完整代码实现 #

下面的代码会直接从Blob存储读取音频流，无需本地存储：

import azure.cognitiveservices.speech as speechsdk
from azure.storage.blob import BlobServiceClient
from io import BytesIO

# 配置参数
speech_key = "你的Speech服务密钥"
service_region = "你的服务区域（比如westeurope）"
connection_string = "你的Blob存储连接字符串"
container_name = "Blob容器名称"
blob_name = "目标WAV音频文件名称"

# 1. 获取Blob的音频流
blob_service_client = BlobServiceClient.from_connection_string(connection_string)
blob_client = blob_service_client.get_blob_client(container=container_name, blob=blob_name)

# 将Blob内容读取到内存流中
audio_stream = BytesIO()
download_stream = blob_client.download_blob()
download_stream.readinto(audio_stream)
audio_stream.seek(0)  # 重置流的指针到开头

# 2. 将内存流转换成Speech SDK的AudioInputStream
def stream_callback(input_stream, size):
    return audio_stream.read(size)

# 创建PullAudioInputStream，Speech SDK会按需通过回调读取流数据
pull_stream = speechsdk.audio.PullAudioInputStream(callback=stream_callback)
audio_input = speechsdk.audio.AudioConfig(stream=pull_stream)

# 3. 执行语音识别
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
speech_recognizer = speechsdk.SpeechRecognizer(speech_config, audio_input)

result = speech_recognizer.recognize_once()

# 处理识别结果
if result.reason == speechsdk.ResultReason.RecognizedSpeech:
    print("识别结果: {}".format(result.text))
elif result.reason == speechsdk.ResultReason.NoMatch:
    print("未识别到语音: {}".format(result.no_match_details))
elif result.reason == speechsdk.ResultReason.Canceled:
    cancellation_details = result.cancellation_details
    print("语音识别被取消: {}".format(cancellation_details.reason))
    if cancellation_details.reason == speechsdk.CancellationReason.Error:
        print("错误详情: {}".format(cancellation_details.error_details))

关键说明 #

• 流式处理逻辑：通过PullAudioInputStream的回调函数，Speech SDK会按需从Blob的内存流中读取音频数据，即使是大文件也能有效节省内存。
• 权限优化：如果你的Azure Function使用托管身份访问Blob存储，可以不用连接字符串，改用DefaultAzureCredential获取Blob客户端，安全性更高。
• 格式要求：确保你的WAV文件符合Speech SDK规范，比如PCM编码、16kHz采样率、单声道等，否则可能出现识别失败。

Azure Function场景优化 #

如果是在Azure Function中运行，还可以：

• 直接从Blob触发事件的上下文里获取Blob客户端，避免重复初始化BlobServiceClient
• 使用异步版本的Speech SDK和Blob SDK，提升Function的并发处理性能

内容的提问来源于stack exchange，提问作者Chace Lorans