1、概述


  • 通过微信小程序wx.startRecord()和wx.stopRecord()接口录音并上传silk录音文件至服务器,通过ffmpeg将silk录音文件转成wav录音文件,再通过百度语音识别 REST API 获取语音识别后的结果。

2、代码实现


  • 录音和语音文件上传
//index.js
      //开始录音。当主动调用wx.stopRecord,
      //或者录音超过1分钟时自动结束录音,返回录音文件的临时文件路径。
      //当用户离开小程序时,此接口无法调用。
      wx.startRecord({
        success: function (res) {
          console.log('录音成功' + JSON.stringify(res));
          that.setData({
            voiceButtonName: '语音识别',
            voicePlayButtonName: '开始播放',
            tempFilePath: res.tempFilePath
          })
          //上传语音文件至服务器
          wx.uploadFile({
            url: 'https://你的域名/upload',
            filePath: res.tempFilePath,
            name: 'file',
            // header: {}, // 设置请求的 header
            formData: {
              'msg': 'voice'
            }, // HTTP 请求中其他额外的 form data
            success: function (res) {
              // success
              console.log('begin');
              console.log(res.data);
              var json = JSON.parse(res.data);
              console.log(json.msg);
              var jsonMsg = JSON.parse(json.msg);
              console.log(jsonMsg.result);
              wx.navigateTo({
                url: '../voicePage/voicePage?voiceData=' + jsonMsg.result.join('')
              })
            },
            fail: function (err) {
              // fail
              console.log(err);
            },
            complete: function () {
              // complete
            }
          })
        },
        fail: function (res) {
          //录音失败
          that.setData({
            voiceButtonName: '语音识别'
          })
          console.log('录音失败' + JSON.stringify(res));
        }
      })
      setTimeout(function () {
        //结束录音  
        wx.stopRecord()
      }, 60000)
  • node.js服务端接收语音文件代码
//upload.js
//使用koa-multer这个组件
var multer = require('koa-multer');
var router = require('koa-router')();
var path = require('path');
//存储文件至path.resolve('./voice-file')路径
var upload = multer({ dest: path.resolve('./voice-file')});
router.post('/', upload.single('file'), async function (ctx, next) {
      //这是就文件的具体信息
      console.log(ctx.req.file);
  });
  • silk文件转wav文件
    我使用的是silk-v3-decoder将silk文件转wav文件

    silk-v3-decoder 使用方法
//upload.js
var exec = require('child_process').exec;
function silkToWav(file){
    return new Promise(function (resolve, reject) {
        exec('sh converter.sh ' + file + ' wav', function(err,stdout,stderr){
            if(err) {
                resolve({
                    result : false,
                    msg : stderr
                });
            } else {
                //var data = JSON.parse(stdout);
                console.log(stdout);
                console.log(stderr);
                //console.log(err);
                resolve({
                    result : true,
                    msg : ''
                });
            }
        });
    });
}
  • 百度语音识别 REST API识别wav文件

1、通过API Key和Secret Key获取的access_token

通过API Key和Secret Key获取的access_token文档
//speech.js
speech.getAccessToken = function(){
    return new Promise(function (resolve, reject) {
        request({
            url: 'https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=(你自己的API key)&client_secret=(你自己的Secret Key)',
            method: 'get',
            headers: {
                'content-type': 'application/json'
            }
        }, function (error, response, data) {
            if (error){
                resolve({
                    'result' : false,
                    'msg' : '出现错误: ' + JSON.stringify(error)
                });
            }else {
                resolve({
                    'result' : true,
                    'msg' : data
                });
            }
        });
    });
}

2、通过token 调用百度语音识别 REST API识别接口

//speech.js
speech.recognize = function(base64String, size){
    return new Promise(function (resolve, reject) {
        request({
            url: 'http://vop.baidu.com/server_api',
            method: 'post',
            headers: {
                'content-type': 'application/json'
            },
            // len + speech方式
            body: JSON.stringify({
                "format":"wav",
                "rate":16000,
                "channel":1,
                "token":'(你的token)',
                "cuid":"9e:eb:e8:d4:67:00",
                "len":size,
                "speech":base64String
            })
            
            //url + callback方式
            //body: JSON.stringify({
            //    "format":"wav",
            //    "rate":16000,
            //    "channel":1,
            //    "token":'(你的token)',
            //    "cuid":'9eebe8d46700',
            //    "url":'http://ihealth-wx.s1.natapp.cc/download?name=123.wav',
            //    "callback":'http://ihealth-wx.s1.natapp.cc/callback'
            //})
        }, function (error, response, data) {
            if (error){
                resolve({
                    result : false,
                    msg : '出现错误: ' + JSON.stringify(error)
                });
            }else {
                resolve({
                    result : true,
                    msg : data
                });
            }
        });
    });
}

3、语音识别优化


通过上述操作后,发现识别的内容和实际内容差别很大

百度语音识别 REST API文档

查看文档可知:采样率:8000/16000 仅支持单通道
在ffmpeg里对应的设置方式分别是:
-ar rate 设置采样率
-ac channels 设置声道数

修改converter.sh文件,修改为下图所示

修改后的converter.sh文件

4、如何还不明白,怎么办?


已经保存到百度云盘

作者:码农随想录
链接:https://www.jianshu.com/p/b092da81feb0
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

发表评论

电子邮件地址不会被公开。 必填项已用*标注