使用智能语音交互识别视频中的音频

本文将介绍如何将视频文件中的音频剥离出来并使用阿里云智能语音交互的录音文件识别功能进行识别。

环境准备

• 本文以Windows环境为例，请确保Git，Maven, Java已经安装并配置成功。
• 开通智能语音交互服务，具体步骤请参考：开通服务。
• 创建智能语音交互项目，具体步骤请参考：创建项目。
  
  

项目创建成功后单击创建的项目，您将在页面上方获取到对应项目的appkey，如下图所示：

• 语音产生源：视频文件。
• 所在行业：教育。
• 语种/方言：中文普通话（标准）。
• 模型名称：通用。
• 来源：官方。
• 适用场景：适用采样16000语音。
• 说明：通用(中文) 。
  

说明：在语音识别服务中，如果在您的业务领域有一些特有的词，默认识别不出来的时候可以考虑使用热词功能，请参考管理热词。

操作步骤

1. 选择视频文件

2. 抽取音频文件
   本文将使用格式工厂抽取视频中的音频文件并对音频进行转换，配置等。

   1. 下载格