如何在wit.ai中流式传输分片音频做语音识别？排查400错误

哥们，我帮你捋捋wit.ai流式转写时遇到的400错误问题，结合官方API的要求，你可以从这几个方面逐一排查：

一、先把音频格式的基础问题搞定 #

wit.ai对音频格式的要求特别严格，哪怕你转成了WAV，也得卡准参数：

• 必须是16kHz采样率、单声道、16位PCM编码：这三个是硬要求，少一个都可能触发400。你可以用ffmpeg批量转换合规格式：

  ffmpeg -i 你的原WAV文件.wav -ar 16000 -ac 1 -sample_fmt s16 合规WAV文件.wav
  

• 分片时长要卡准：单段音频不能超10秒，但也别太短（比如至少500毫秒），建议控制在5-9秒之间，避免触发API的边界校验错误。

二、HTTP请求头和传输逻辑别踩坑 #

你提到的Transfer-encoding是关键，这里有几个容易错的点：

• 必须设置Transfer-Encoding: chunked，同时绝对不能加Content-Length头，这俩同时存在会直接导致400错误。
• 确认Authorization头格式：Bearer {你的wit_access_token}，检查token有没有过期、有没有开通Speech API的权限（别用错了其他服务的token）。
• 分块传输要严格遵循HTTP规则：每块数据前要先发送十六进制的块长度，再发数据；最后要用0\r\n\r\n标记传输结束，不能直接断开连接。

三、代码逻辑的细节要抠 #

如果格式和请求头都没问题，那大概率是流式传输的代码逻辑有问题：

• 先测单块请求：单独拿一片合规的5秒音频，用普通POST请求发送给API，看能不能正常返回结果。如果单块都报错，那问题出在音频或基础请求配置；如果单块正常，再排查流式传输的逻辑。
• 别截断音频帧：分片时别单纯按字节数切割，要按音频帧的大小来分，不然切割到帧中间会导致音频损坏，API识别不了就返回400。
• 不要提前断连接：所有分片数据发送完，再发送结束标记，中途断开连接会让API认为请求不完整，直接返回错误。

四、额外的API限制要留意 #

• 检查速率限制：短时间内发太多分片可能触发限制，虽然通常是429错误，但极端情况下也可能表现为400，可以放慢传输速度试试。
• 看响应体的错误详情：很多400错误会返回具体描述，比如invalid audio format或者chunk size too large，别只看状态码，把响应内容打出来看看，能直接定位问题。

给你贴个Python的核心逻辑参考（主要是流式传输的部分）：

import requests
import os

wit_token = "你的wit_access_token"
audio_path = "合规的16kHz单声道WAV文件"
# 按字节分片，大概对应5-9秒音频（根据16kHz单声道16位PCM的码率计算）
chunk_size = 16000 * 2 * 7  

headers = {
    "Authorization": f"Bearer {wit_token}",
    "Content-Type": "audio/wav",
    "Transfer-Encoding": "chunked"
}

with open(audio_path, "rb") as f:
    with requests.post("https://api.wit.ai/speech", headers=headers, stream=True) as resp:
        while True:
            chunk = f.read(chunk_size)
            if not chunk:
                break
            # 发送分块数据
            resp.raw.write(f"{len(chunk):x}\r\n".encode() + chunk + b"\r\n")
            resp.raw.flush()
        # 发送结束标记
        resp.raw.write(b"0\r\n\r\n")
        resp.raw.flush()
        
        print("状态码:", resp.status_code)
        print("响应内容:", resp.json())

内容的提问来源于stack exchange，提问作者Surjya Narayana Padhi