services: 通话录音按左右声道分轨转写,说话人直接按音轨给
客户端录的通话音频是双声道 WAV(左=本端麦克风、右=对端),而 DashScope 录音文件识别
不传 channel_id 时只转第 0 轨 —— 语音纪要里只有机主自己说的话,对方一句都没有。
- 提交前先探一次 WAV 头(probeWavChannels),确认是多声道才传 channel_id=[0,1]:
每多一轨按一份音频计费,单声道文件不该白花钱;
- 多轨结果每轨一份 transcript,说话人直接按音轨定(0=本端 1=对端),
比让服务商去分离 speaker_id 可靠得多,再按时间轴合并成一条转写。
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
|