python - 使用 python-telegram-bot 进行语音识别，无需下载音频文件

Question

我正在开发一个电报机器人，用户在其中发送语音消息，机器人将其转录并发回文本中所说的内容。
为此，我将 python-telegram-bot 库和 Speech_recognition 库与谷歌引擎一起使用。
我的问题是，用户发送的语音消息是 .mp3，但是为了转录它们，我需要将它们转换为 .wav。为此，我必须下载发送到机器人的文件。
有没有办法避免这种情况？我知道这不是一种有效且安全的方法，因为许多活跃用户同时会导致竞争状况并占用大量空间。

def voice_handler(update, context):
    bot = context.bot
    file = bot.getFile(update.message.voice.file_id)
    file.download('voice.mp3')
    filename = "voice.wav"
    
    # convert mp3 to wav file
    subprocess.call(['ffmpeg', '-i', 'voice.mp3',
                         'voice.wav', '-y'])

    # initialize the recognizer
    r = sr.Recognizer()
    
    # open the file
    with sr.AudioFile(filename) as source:
    
        # listen for the data (load audio to memory)
        audio_data = r.record(source)
        # recognize (convert from speech to text)
        text = r.recognize_google(audio_data, language='ar-AR')
        
        
def main() -> None:
    updater.dispatcher.add_handler(MessageHandler(Filters.voice, voice_handler)) 

Answer 1

正如评论中所指出的，一种选择可能是将文件下载到内存而不是磁盘。
如果这不适合您，您可以每次都给文件一个唯一的 id - 例如使用用户 user_id甚至是 uuid - 这将防止文件被覆盖。