我正在使用Azure Speech To Text API识别从10秒到1分钟的小口语录音。 每次语音识别大约需要5秒钟才能完成，这似乎有点太多了！

这是我的方法：

speech_config = speechsdk.SpeechConfig(subscription=speech_key,region=service_region,speech_recognition_language=language)
audio_config = speechsdk.audio.AudioConfig(filename=filepath)
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config,audio_config=audio_config)

result = speech_recognizer.recognize_once()

我尝试使用timeit来识别瓶颈：

print(timeit.timeit(lambda : speechsdk.SpeechConfig(subscription=speech_key,speech_recognition_language=language),number=100))
>>> 0.004
print(timeit.timeit(lambda : speechsdk.audio.AudioConfig(filename=filepath),number=100))
>>> 0.003
print(timeit.timeit(lambda : speechsdk.SpeechRecognizer(speech_config=speech_config,audio_config=audio_config),number=100))
>>> 0.118

print(timeit.timeit(lambda : print(speech_recognizer.recognize_once()),number=5)) # Only doing this 5 times because it's very slow
>>> 35.01

我实际上使用了包装函数来重新初始化Speech_recognizer，因为对其调用invoke（）使其不可用。

在此实验中，抄录一个11秒的录音大约需要7秒。

我正在使用service_region = "westeurope"