我正在使用Google Cloud Speech API Python库从视频文件中提取文本 . 在先前的步骤中，视频文件被转换为flac audiofile .
sample_rate = 48000
client = speech.Client()
cmd = "ffmpeg -i {} -vn -ac 1 -ar {} {}".format(mpg_file, sample_rate, flac_file)
subprocess.run(cmd)
with open(flac_file, 'rb') as f:
audio = client.sample(f.read(), sample_rate=sample_rate, encoding='FLAC')
audio.sync_recognize()
为了减少函数 sync_recognize() 所花费的时间，我设置 sample_rate = 16000 . 我的想法是，与Web-API的通信和音频文件的处理应该更快，因为文件大小更小，要处理的数据量更少，信息密度更低 .
使用相同的文件列表对16kHz和48kHz的采样率重复运行时测量此过程，得到：
16kHz: 26.16s per call
48kHz: 17.68s per call
我期待相反的结果 . 我的想法错了吗？你对此有解释吗？