使用 HLS 播放列表识别电视节目

你好, 我一直在尝试使用 HLS 播放列表实时识别电视节目以及使用 DejaVu 导入的广告。这些节目持续时间从几分钟到几个小时不等，而广告通常持续几十秒。主要问题是，当在一个 TS 分段中进行识别时，该分段应该与 DejaVu 导入的音频文件匹配，而根据分段的长度，input_confidence 属性的值非常低，或者不足以接近 1。使用 60 秒的 TS 分段时，输入的置信度值往往接近 0。通常，使用默认设置时，值为 <= 0.1，使用 这些 设置时，值可能增长至 <= 0.2。使用 6 秒的分段时，值接近 1，大多数时候为 0.5 到 0.9。然而，程序返回的第二个结果通常更接近 1，这将是一个错误的音频。导入的文件是 WMV 文件，音频规格如下：