先看现象。用阿里云智能语音交互的 RESTful 接口转写客服录音，wav 是 8000 采样单声道，按文档填 sample_rate 16000，返回 40000001 提示音频格式错误，本地播放正常。
这类报错背后常见的原因有几处，逐个排除就行。音频真实采样率是 8k 但请求参数填了 16k。也可能是wav 头里声明 16k 而实际数据是 8k，服务端按头解析。
还有一种情况，格式参数写成 wav 但文件其实是 8k 的 amr 改名。
另外，base64 编码了整段音频导致请求体超限被拒。
先读出 wav 头的采样率与位深
python -c "import wave;w=wave.open('call.wav');print(w.getframerate(),w.getnchannels(),w.getsampwidth())"然后用 ffprobe 再核一次真实格式
ffprobe -v error -show_entries stream=sample_rate,channels,codec_name -of default=nw=1 call.wav接着按真实采样率填参数重发一次
curl -X POST 'https://nls-gateway-cn-shanghai.aliyuncs.com/stream/v1/asr?appkey=$APPKEY&format=wav&sample_rate=8000' --data-binary @call.wav等前面都确认过，再把音频统一转成 16k 再走批量
ffmpeg -i call.wav -ac 1 -ar 16000 call16.wav恢复的判定其实很直接。同一段录音返回 200 且 result 里有完整句子，8k 与 16k 两条路径都能出结果，字错率差异在可接受范围。
接口是先读文件头再看参数，两边不一致时错误码指向的往往是格式而不是采样率字段，用 ffprobe 看一眼比反复改参数快。监控比日志更早给出信号，事后回看经常能提前半小时发现异常。