从油管下载的wav文件识别效果不佳

[JanusTida]

我使用了油管上的一个中文视频，用ffmpeg将音频从其中分离出来导出成wav.但是识别效果不理想,是采样率有问题吗?

https://github.com/chenkui164/FastASR/assets/29449156/f1ec2005-aadd-40dc-9a68-3904e68cfdc7

这是下载下来的原视频，因为github只能上传mp4文件，所以我直接上传了mp4文件，可使用如下命令将其转化为wav文件(需安装ffmpeg): ./ffmpeg -i .\1.mp4 -vn -acodec pcm_s16le -ar 44100 -ac 2 -b:a 128k 1.wav 非常期待您的帮助

[csukuangfj]

但是识别效果不理想,是采样率有问题吗?

至少有3个问题，其中，有两个是致命的

1. -ar 44100 需要改成 -ar 16000
2. -ac 2 需要改成 -ac 1

---

第3个问题是，你选择了 ffmpeg 这个工具。它会在 wave header 44 字节后面，再加一些 metadata, 这些 metadata 被当作了 audio samples (至少目前代码是这样处理的）。

---

你把前面两个 fix 了，应该可以看到识别结果。第三个不是那么致命，但也是不完美。

[JanusTida]

十分感谢大佬的帮助，问题完美解决！第三个问题确实不受影响。-ac这个确实是我没有理解参数的含义导致的。另外采样率这个要求一般人可能不太容易注意到，可以考虑把它加到ReadMe中。

[chenkui164]

可以试试sherpa-ncnn和sherpa-onnx，里面有最先进的模型，而且支持会更好 @JanusTida