放入openai-whisper 的wav有什么严格限制吗?比如采样率
- User
放入openai-whisper 的wav有什么严格限制吗?比如采样率
Assistant
OpenAI Whisper API对输入音频的采样率和格式存在严格限制:
核心限制
-
采样率要求
Whisper API要求音频文件的采样率必须为16 kHz。若输入音频未达标,需先进行重采样处理[11][15]。 -
支持格式
支持的音频格式包括:wav、mp3、m4a、mp4、webm等,但不支持压缩格式的音频流(如MP3的VBR模式)[1][14]。
其他关键限制
参数 限制内容 文件大小 单文件最大25 MB(超过需分割处理)[1][4][7] 音频时长 无明确时长限制,但受文件大小限制约束(约25 MB ≈ 1小时音频)[1][4] 内容限制 禁止包含违法、暴力、成人等内容(需遵守OpenAI内容政策)[1][14] 语言支持 支持98种语言(中文需指定 language='Chinese'参数)[5][8][15]
处理建议
-
采样率转换
使用工具(如ffmpeg或Python库pydub)将音频重采样至16 kHz:ffmpeg -i input.wav -ar 16000 output.wav -
文件分割
对超大文件使用pydub分割为25 MB以下的片段:from pydub import AudioSegment audio = AudioSegment.from_wav("large_file.wav") chunks = audio[::25000] # 按25秒分割 -
格式兼容性
若使用wav格式,需确保未压缩且采样率为16 kHz[11][15]。
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.