音频识别前，怎样从 WAV 头核对采样率、声道和实际时长

一个文件叫 recording.wav，不代表它真的是 WAV，也不能从文件名判断采样率和时长。音频识别前先读取文件头与实际数据，能够发现伪扩展名、参数记录错误和截断。这里检查的是输入内容，不是转写质量。

读取实际头部字段

本文用 Python wave 生成一秒静音 PCM：单声道、十六位采样宽度、每秒一万六千帧。读回声道数、采样宽度、采样率与帧数，时长等于帧数除以采样率，预期一秒；PCM 数据量等于帧数乘声道数乘每样本字节数，预期三万二千字节。

这里十六位等于两字节，文件总大小还包含容器头部，不能把总文件字节直接代入 PCM 数据量公式。wave 的支持范围也有边界，本文只用传统非压缩 PCM，不依赖新版本扩展格式特性，更不把所有 WAV 都理解为相同编码。

坏头与伪扩展名分别测试

附件包含正常静音文件、把普通文本命名成 WAV 的反例和损坏头文件。正常项应读回预期参数，后两项拒收。检查器还读取全部声明帧，核对实际数据长度与头部计算一致，避免只读头就放过内容不足的文件。

失败反例是从上传表单的“时长一秒”字段直接采用业务值，完全不核对文件。另一个是只看扩展名，然后把解码失败归因于模型。入口先检查能把格式问题定位到本地，避免不必要的真实上传与重试。本文没有录音，也没有连接麦克风。

文件可读不等于接口支持

一万六千赫兹只是本文固定算例，不是所有 ASR 都必须采用的采样率。具体接口支持的容器、编码、大小和模型能力要查当前官方说明；不能把某个训练配置当作所有托管接口的输入要求。OpenAI 音频资料提供接口层约束，本文不对任何实时模型作兼容承诺。

静音样本还无法验证识别准确率、音量、语种或说话人分离。若真实音频转写很差，需要在已授权素材上另做质量评测，不能从头部参数合规就断言语音内容清楚。上采样也不会创造原本丢失的声学信息，格式转换与质量改善应分开解释。

最终台账保存文件摘要、读取字段、复算值和拒绝原因。与用户填写时长不一致时，先保留两份值并核对来源，不自动改写原音频。检查通过仅表示这份合成 PCM 的头部与数据长度一致，没有进行上传、转录调用或真实语音效果测试。

配套文件与依据

本文的合成输入和参考结果可下载独立样本 a042.json，离线检查器 a042.py与样本放在同一目录后运行。检查器不调用模型接口。 使用 Python 3.12 或兼容版本，将上述文件下载到同一目录，执行 python a042.py。 同篇运行还需要：a042-silence.wav、a042-fake.wav、a042-bad-header.wav，请一并下载。

一手资料1；一手资料2。资料核对日期：2026-10-24。