WhatsApp商务云API：安卓与Windows语音消息适配谷歌语音识别异常排查

针对Windows端WhatsApp语音可正常识别、安卓端无法识别的问题，结合你排查出的Opus编码/48kHz采样率一致、安卓端无采样位数元数据的差异，给出以下落地解决思路：

• 补全音频元数据并强制标准化采样格式
  谷歌语音转文本（ASR）对音频元数据的完整性要求较高，安卓端Opus缺失采样位数信息可能导致自动检测失败。用ffmpeg强制设置兼容的16位采样格式（ASR通用兼容格式）：

  ffmpeg -i android_voice.opus -acodec libopus -sample_fmt s16 -ar 48000 -ac 1 fixed_voice.opus
  

  处理后再提交ASR识别，验证是否解决问题。

• 检查并统一声道数
  部分安卓端WhatsApp语音可能默认录制为单声道但元数据未标记，或存在声道数不匹配情况。先用ffprobe确认声道信息：

  ffprobe -v error -show_entries stream=channels,codec_name,sample_rate,sample_fmt -of default=noprint_wrappers=1 android_voice.opus
  

  若声道数不为1，转成单声道（ASR对单声道支持更稳定）：

  ffmpeg -i android_voice.opus -ac 1 mono_voice.opus
  

• 验证Opus封装格式
  WhatsApp安卓端的语音可能是裸Opus流（无Ogg容器封装），而Windows端是标准Ogg封装的Opus，谷歌ASR仅支持带Ogg容器的Opus格式。用ffmpeg重新封装：

  ffmpeg -i android_voice.raw -c:a libopus -ar 48000 -ac 1 -f ogg wrapped_voice.ogg
  

  也可以直接转成ASR兼容性极高的WAV格式提交：

  ffmpeg -i android_voice.opus -acodec pcm_s16le -ar 48000 -ac 1 android_voice.wav
  

• 手动指定ASR请求参数
  不要依赖谷歌ASR的自动格式检测，提交请求时手动指定音频参数：

  • 设置encoding: 'OGG_OPUS'（若为Ogg封装）或encoding: 'OPUS'（若为裸流）
  • 设置sample_rate_hertz: 48000
  • 设置audio_channel_count: 1
    手动指定参数可避免自动检测时因元数据缺失导致的识别失败。

• 排查码率过低问题
  安卓端文件体积过小可能是码率过低导致语音清晰度不足，用ffprobe查看码率：

  ffprobe -v error -show_entries stream=bit_rate -of default=noprint_wrappers=1 android_voice.opus
  

  若码率低于8kbps，尝试转码提升码率至16kbps以上：

  ffmpeg -i android_voice.opus -b:a 16k higher_bitrate.opus
  

内容的提问来源于stack exchange，提问作者wdafert