Mac下用Python+Blackhole对接Azure语音翻译遇SPXERR_MIC_ERROR求助

一、正确获取Azure Speech SDK兼容的设备名 #

Mac上Azure Speech SDK不支持ALSA格式的设备名，必须用SDK自身识别的设备名称。你可以通过以下代码枚举所有可用的输入设备，找到Blackhole对应的设备名：

import azure.cognitiveservices.speech as speechsdk

# 枚举所有音频输入设备
devices = speechsdk.audio.AudioDeviceManager.list_audio_input_devices()
for idx, device in enumerate(devices):
    print(f"设备索引：{idx}，名称：{device.name}")

运行后找到Blackhole对应的设备名称（比如可能显示为Blackhole 2ch），直接将这个名称传入AudioConfig的device_name参数即可。

另外要确认Blackhole的采样率和Azure Speech SDK要求一致：

• 打开音频MIDI设置，找到Blackhole设备，检查其采样率（通常为44100Hz或48000Hz）
• 创建AudioConfig时可以显式指定采样率，避免不匹配：

audio_config = speechsdk.audio.AudioConfig(
    device_name="你的Blackhole设备名",
    properties={
        speechsdk.PropertyId.SpeechServiceConnection_AudioSampleRate: "48000"
    }
)

二、文件/流中转方案（如果设备直接调用仍失败） #

如果直接指定设备还是报错，可以通过捕获Blackhole的音频流，再推送给Azure Speech SDK，步骤如下：

1. 用PyAudio捕获Blackhole音频流 #

先安装依赖：pip install pyaudio
然后编写捕获代码，将音频数据推送到Azure的PushAudioInputStream：

import pyaudio
import azure.cognitiveservices.speech as speechsdk

# 配置Blackhole设备参数（和Blackhole的采样率、通道数一致）
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 48000
CHUNK = 1024

# 初始化PyAudio
p = pyaudio.PyAudio()
# 找到Blackhole的设备索引
blackhole_idx = None
for i in range(p.get_device_count()):
    info = p.get_device_info_by_index(i)
    if "Blackhole" in info["name"]:
        blackhole_idx = i
        break

# 创建Azure的Push音频流
push_stream = speechsdk.audio.PushAudioInputStream()
audio_config = speechsdk.audio.AudioConfig(stream=push_stream)

# 初始化语音翻译识别器
speech_translator = speechsdk.translation.TranslationRecognizer(
    speech_config=你的speech_config,
    audio_config=audio_config,
    target_languages=["zh-CN", "en-US"] # 替换成你的目标语言
)

# 定义翻译回调
def handle_translation_result(evt):
    if evt.result.reason == speechsdk.ResultReason.TranslatedSpeech:
        print(f"原文: {evt.result.text}")
        for lang, text in evt.result.translations.items():
            print(f"翻译到{lang}: {text}")

speech_translator.recognized.connect(handle_translation_result)

# 开始捕获并推送音频
stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                input_device_index=blackhole_idx,
                frames_per_buffer=CHUNK)

speech_translator.start_continuous_recognition()

try:
    while True:
        data = stream.read(CHUNK)
        push_stream.write(data)
except KeyboardInterrupt:
    pass

# 清理资源
speech_translator.stop_continuous_recognition()
stream.stop_stream()
stream.close()
p.terminate()

2. 临时文件中转（适合简单场景） #

如果不想用流推送，也可以用ffmpeg将Blackhole的音频实时写入到一个临时WAV文件，再让Azure读取这个文件的流：

# 终端运行ffmpeg命令，将Blackhole音频写入临时文件
ffmpeg -f avfoundation -i ":Blackhole设备索引" -acodec pcm_s16le -ar 48000 -ac 2 -f wav pipe:1 > /tmp/zoom_audio.wav

然后在Python中读取这个文件的音频流，传给Azure的PullAudioInputStream：

import azure.cognitiveservices.speech as speechsdk

# 创建Pull音频流，读取临时文件
pull_stream = speechsdk.audio.PullAudioInputStream(
    stream=open("/tmp/zoom_audio.wav", "rb")
)
audio_config = speechsdk.audio.AudioConfig(stream=pull_stream)

# 后续初始化翻译识别器的代码和前面一致

注意：这种方式需要确保ffmpeg持续写入文件，且Python端实时读取，可能会有轻微延迟。

内容的提问来源于stack exchange，提问作者serxio