从 mulaw 转换为线性会影响音频质量吗？答案

【问题标题】：does converting from mulaw to linear impact audio quality?从 mulaw 转换为线性会影响音频质量吗？
【发布时间】：2022-01-03 10:45:47
【问题描述】：

我想将音频编码从 mulaw 更改为线性，以便使用 Google 的线性语音识别模型。我正在使用电话频道，因此音频以 mulaw、8 位、8000Hz 编码。当我使用 Google Mulaw 模型时，识别一些简短的单词会出现一些问题 -> 基本上它们根本无法识别 -> API 返回无我想知道更改 Linear 或 Flac 的编码是否是一种好习惯？我已经做到了，但我无法真正衡量这种改进的程度。

【问题讨论】：

嗨@ylvi-bux，如果我的回答解决了您的问题，请考虑接受并支持它。如果没有，请告诉我，以便我改进答案。

标签： audio speech-to-text google-speech-api google-speech-to-text-api mu-law

【解决方案1】：

对于无头音频数据使用 LINEAR16 或对于有头音频数据使用 FLAC 始终是 best practice。它们都提供无损编解码器。最好将采样率设置为 16000 Hz，否则您可以设置 sample_rate_hertz 以匹配音频源的原生采样率（而不是重新采样）。由于 Google Speech to Text API 提供了多种提高音频质量的方法，您可以使用World Level Confidence 来衡量响应的准确性。

【讨论】：

【解决方案2】：

理想情况下，首先使用无损编解码器（如 linear16 ot flac）录制音频。但是，一旦您将其转换为 mulaw 等格式，然后再将其发送到 Google 语音转文本，则无济于事。

考虑使用model=phone_call 和use_enhanced=true 以获得更好的电话质量。如需快速实验，您可以使用 STT UI https://cloud.google.com/speech-to-text/docs/ui-overview。

【讨论】：