使用Microsoft Cognitive Services遇不支持音频格式问题求助

1. 修正前端MediaRecorder的录制格式 #

微软认知服务发音评估要求音频必须是PCM编码的标准WAV格式，参数需满足：16kHz采样率、16位深度、单声道。但浏览器原生MediaRecorder默认输出多为WebM（Chrome/Edge）或其他非PCM编码格式，即便后缀改为.wav，实际编码仍不兼容服务要求。

解决方式：

• 尝试强制指定MediaRecorder的MIME类型为PCM编码的WAV：

  const mediaRecorder = new MediaRecorder(stream, { mimeType: 'audio/wav; codecs=1' });
  

• 若浏览器不支持上述MIME类型，改用第三方库（如Recorder.js）直接录制PCM原始数据，再封装为标准WAV文件。

2. 确保后端IFormFile转存的正确性 #

前端传的Blob若格式正确，转存时需避免流操作失误：

• 转存前重置文件流指针，防止读取不完整：

  using (var stream = new FileStream(tempFilePath, FileMode.Create))
  {
      var audioStream = audioFile.OpenReadStream();
      audioStream.Position = 0;
      await audioStream.CopyToAsync(stream);
  }
  

• 用音频工具（如Audacity）打开转存后的.wav文件，确认编码参数为PCM 16-bit、16kHz、单声道。

3. 修复Python接口调用的两个问题 #

3.1 解决"Unsupported audio format"错误 #

• 调用认知服务时，请求头必须设置Content-Type: audio/wav，且请求体直接传入二进制音频数据，不能做额外编码；
• Python读取临时文件时，务必用二进制模式：

  with open(temp_wav_path, 'rb') as f:
      audio_data = f.read()
  

• 确保代码中指定的音频参数（采样率、声道数）与实际文件完全一致。

3.2 解决JSON解析错误"Expecting value: line 1 column 1 (char 0)" #

服务返回b'Unsupported audio format'是纯文本错误，并非JSON格式，直接调用response.json()会报错。需先判断响应状态码：

response = requests.post(api_url, data=audio_data, headers=headers)
if response.status_code == 200:
    result = response.json()
else:
    error_msg = response.text or response.content.decode('utf-8')
    print(f"错误信息：{error_msg}")

4. 验证中间文件合法性 #

将后端转存的临时WAV文件，直接上传至Azure门户的认知服务在线测试工具，确认文件本身是否符合服务要求，排除后端转存或前端录制的问题。

内容的提问来源于stack exchange，提问作者CitrusBoy