Python 是否可以向microsoft认知说话人识别发送实时数据？

我正在写一个应用程序，它应该接收音频并将其发送到说话人识别API以获取文本。我使用了服务库，它使用wav文件。因此，我编写了自己的流，从麦克风或网络（RTP）接收音频，并将其发送到识别API。当我在音频流前面添加WAV头时，它会工作几秒钟

调试表明，识别api读取表单流的速度比音频源（16k samplerate，16位，mono）填充的速度快

所以我的问题是：有没有一种方法可以将recognizeapi用于实时（连续）音频流

我知道有一个麦克风客户端的例子，但它只适用于麦克风，我需要它用于不同的来源

你是说语音识别（而不是说话人）？我问你是因为你说“获取文本”。如果是前者，请先修复文本，然后添加语音识别标签；如果是后者，您可以添加语音识别标签。您指的是语音识别（相对于说话人）？我问你是因为你说“获取文本”。如果是前者，请先修复文本，然后添加语音识别标签；如果是后者，您可以添加语音识别标签。