如何用MediaComposition及Windows.Media.Transcoding将MP4音频转成16KHz单声道WAV？

当然可以实现！你遇到的CanTranscode=false问题，大概率是因为直接复用示例音频的MediaEncodingProfile时，没有明确告诉转码器只处理音频轨道，或者示例配置和源MP4的音频轨道存在兼容性冲突。下面是具体的解决步骤和代码示例：

核心思路 #

1. 明确告诉转码器忽略视频轨道，只处理音频部分；
2. 手动创建完全符合Microsoft Speech认知服务要求的音频编码配置（16KHz、单声道、PCM编码的WAV）；
3. 通过声道映射算法提取MP4中的左声道音频，转码为目标格式。

具体实现代码 #

1. 获取源MP4的媒体轨道信息 #

首先我们需要确认源文件中的音频轨道情况：

var sourceFile = SourceVideo.VideoFile;
var sourceProperties = await MediaPropertiesRetrieval.GetMediaPropertiesAsync(sourceFile);
var audioTracks = sourceProperties.AudioTracks;

// 假设源文件的第一个音频轨道是我们需要处理的立体声轨道
if (!audioTracks.Any())
{
    // 处理无音频轨道的异常情况
    return;
}

2. 创建符合要求的MediaEncodingProfile #

不要直接复用示例音频的profile，手动构建更可靠：

// 创建WAV格式的编码配置
var targetProfile = MediaEncodingProfile.CreateWav(AudioEncodingQuality.Auto);

// 强制设置为16KHz采样率、单声道、PCM编码
targetProfile.Audio.Properties[MediaPropertyKeys.AudioSampleRate] = 16000;
targetProfile.Audio.Properties[MediaPropertyKeys.AudioChannelCount] = 1;
targetProfile.Audio.Subtype = MediaEncodingSubtypes.Pcm;

3. 配置转码器并执行转码 #

重点是忽略视频轨道，并且配置声道映射提取左声道：

var transcoder = new MediaTranscoder();

// 告诉转码器不处理视频轨道，避免因视频配置缺失导致转码失败
transcoder.VideoProcessingAlgorithm = MediaVideoProcessingAlgorithm.None;

// 配置音频轨道选择：选择第一个音频轨道，并映射左声道到单声道
var targetAudioTrack = audioTracks.First();
var trackSelection = new MediaTrackSelection(targetAudioTrack);
transcoder.AddAudioTrackSelection(trackSelection);

// 使用声道混合器，只保留左声道（权重1.0），丢弃右声道（权重0.0）
transcoder.AudioProcessingAlgorithm = MediaAudioProcessingAlgorithm.CreateChannelMixer(
    outputChannelCount: 1,
    channelMixingMatrix: new double[] { 1.0, 0.0 }
);

// 准备转码并执行
var prepareResult = await transcoder.PrepareFileTranscodeAsync(sourceFile, tempFile, targetProfile);
if (prepareResult.CanTranscode)
{
    await prepareResult.TranscodeAsync();
    // 转码成功，后续可将tempFile用于Speech认知服务的语音转文字
}
else
{
    // 查看失败原因，方便排查问题
    var failureReason = prepareResult.FailureReason;
    var errorMessage = prepareResult.FailureReasonMessage;
    // 此处可添加日志记录或错误提示逻辑
}

关键注意点 #

• 为什么不用示例profile？：示例音频的profile可能包含与源MP4音频轨道不兼容的参数（比如编码格式、轨道数量），手动构建能确保完全匹配Speech服务的要求。
• 声道映射的作用：CreateChannelMixer方法通过权重矩阵控制声道输出，[1.0, 0.0]表示将输入的左声道（第一个值）全量输出到单声道，右声道（第二个值）完全丢弃。
• 忽略视频轨道：因为目标是音频文件，转码器默认会尝试处理视频轨道，若没有指定视频输出配置就会导致转码失败，所以必须设置VideoProcessingAlgorithm.None。

内容的提问来源于stack exchange，提问作者ei2kpi