Python使用speech_recognition实现WAV转文本时音频格式报错求助
核心报错根因
你这串连续触发的读文件报错,本质是idk.wav不符合SpeechRecognition库的支持要求——这个库仅能直接读取PCM无压缩WAV、AIFF/AIFF-C、原生FLAC三类音频,你现在的文件只是后缀名改成了.wav,实际要么是MP3/AAC/M4A这类压缩格式音频,要么是文件本身损坏、下载不完整。库读取文件时找不到WAV格式要求的RIFF头标识、AIFF格式要求的FORM头标识,才会依次触发wave、aifc模块的读取失败,最后抛出格式不支持的提示。
分步解决操作
- 第一步:转成库兼容的标准WAV格式
先确认文件本身能正常打开播放,如果连系统自带的播放器都读不出来,说明文件本身损坏,需要重新获取完整的音频源。如果能正常播放,用任意音频编辑工具把它转成16bit 单声道 16000Hz采样率的PCM无压缩WAV,这是SpeechRecognition兼容度最高的格式,转完存为新文件再测试即可。 - 第二步:优化识别代码,避免吞掉真实报错
你现在写的裸except:会把所有异常(比如识别接口连不上、音频太模糊识别不出来)都统一捕获成“try again”,完全没法定位具体问题,替换成针对性的异常捕获逻辑,同时补充识别场景的必要参数:import speech_recognition as sr r = sr.Recognizer() # 这里填转码后WAV文件的绝对路径,避免相对路径因运行目录不对找不到文件 audio_file = r"D:\Trans wav to text\idk_standard.wav" with sr.AudioFile(audio_file) as source: # 提前适配环境底噪,提升识别准确率 r.adjust_for_ambient_noise(source) audio_content = r.record(source) try: # 指定识别语言,默认配置识别英文,跑中文音频会出错误 result = r.recognize_google(audio_content, language="zh-CN") print("识别结果:", result) except sr.UnknownValueError: print("音频内容清晰度不足,无法识别") except sr.RequestError as e: print("语音识别接口请求失败,错误详情:", e) - 第三步:避开常见踩坑点
- 不要直接用手机录音导出的、从视频中截取的非标准WAV,这类文件大多用了ADPCM等压缩编码,就算后缀是.wav,库也读不出来,必须转成无压缩PCM格式才行。
- Google免费语音识别接口需要能访问对应服务的网络环境,如果转完格式之后出现接口请求报错,要么调整网络环境,要么换本地部署的识别模型替代。
- 如果音频本身时长太短、信噪比太低,就算格式正确也可能识别失败,建议用清晰的人声片段先跑通基础流程。
内容的提问来源于stack exchange,提问作者trimai_
相关产品推荐
相关产品推荐

