微信语音上传到本地linux服务器之后不能播放

记忆朦胧忧伤 2015-11-23 12:50:03

java获取微信语音之后上传到linux服务器，.amr格式的音频文件下载到windows之后不能播放，播放软件提示不能播放，是什么原因？在windows环境下面没有问题。。

...全文

196 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

记忆朦胧忧伤 2015-11-23

打赏
举报

回复

引用楼主 a75833596 的回复:

java获取微信语音之后上传到linux服务器，.amr格式的音频文件下载到windows之后不能播放，播放软件提示不能播放，是什么原因？在windows环境下面没有问题。。

转码了，不知道为啥现在又可以了

空心兜兜 2015-11-23

打赏
举报

回复

上传、下载怎么实现的，是否转码？

微信服务器产生的speex文件转为wav文件工具，linux环境下make工具直接调用，speex文件转为16k的wav文件格式。

做一个注册界面和登录界面，然后进行微信消息发送

android微信自动回复的实现蛮不错的有页面参照的价值

基于 wechatbot-webhook 的微信机器人，支持 GPT 问答、热搜、天气预报、消息转发、小游戏、Webhook提醒等功能。 GPT, 通常指的是“Generative Pre-trained Transformer”（生成式预训练转换器），是一个在自然语言处理（NLP）领域非常流行的深度学习模型架构。GPT模型由OpenAI公司开发，并在多个NLP任务上取得了显著的性能提升。 GPT模型的核心是一个多层Transformer解码器结构，它通过在海量的文本数据上进行预训练来学习语言的规律。这种预训练方式使得GPT模型能够捕捉到丰富的上下文信息，并生成流畅、自然的文本。 GPT模型的训练过程可以分为两个阶段：预训练阶段：在这个阶段，模型会接触到大量的文本数据，并通过无监督学习的方式学习语言的结构和规律。具体来说，模型会尝试预测文本序列中的下一个词或短语，从而学习到语言的语法、语义和上下文信息。微调阶段（也称为下游任务训练）：在预训练完成后，模型会被应用到具体的NLP任务中，如文本分类、机器翻译、问答系统等。在这个阶段，模型会使用有标签的数据进行微调，以适应特定任务的需求。通过微调，模型能够学习到与任务相关的特定知识，并进一步提高在该任务上的性能。 GPT模型的优势在于其强大的生成能力和对上下文信息的捕捉能力。这使得GPT模型在自然语言生成、文本摘要、对话系统等领域具有广泛的应用前景。同时，GPT模型也面临一些挑战，如计算资源消耗大、训练时间长等问题。为了解决这些问题，研究人员不断提出新的优化方法和扩展模型架构，如GPT-2、GPT-3等，以进一步提高模型的性能和效率。

嵌入式Linux开发

81,115

社区成员

341,729

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章