30分鐘快速實現(xiàn)小程序語音識別功能

前言

10年積累的網(wǎng)站設計制作、成都做網(wǎng)站經(jīng)驗，可以快速應對客戶對網(wǎng)站的新想法和需求。提供各種問題對應的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡服務。我雖然不認識你，你也不認識我。但先網(wǎng)站制作后付款的網(wǎng)站建設流程，更有烏魯木齊免費網(wǎng)站建設讓你可以放心的選擇與我們合作。

為了參加某個作秀活動，研究了一波如何結合小程序、科大訊飛實現(xiàn)語音錄入、識別的實現(xiàn)?？拼笥嶏w開發(fā)文檔中只給出 Python 的 demo，并沒有給出 node.js 的 sdk，但問題不大。本文將從小程序相關代碼到最后對接科大訊飛 api 過程，一步步介紹，半個小時，搭建完成小程序語音識別功能！不能再多了！

當然，前提是最好掌握有一點點小程序、node.js 甚至是音頻相關的知識。下面話不多說了，來一起看看詳細的介紹吧

架構先行

架構比較簡單，大伙兒可以先看下圖。除了小程序，需要提供 3 個服務，文件上傳、音頻編碼及對接科大訊飛的服務。
node.js 對接科大訊飛的 api，npm 上已經(jīng)有同學提供了 sdk，有興趣的同學可以去搜索了解一下，筆者這里是直接調(diào)用了科大訊飛的 api 接口。

擼起袖子加油干

1、創(chuàng)建小程序

鵝廠的小程序文檔非常詳細，在這里筆者就不對如何創(chuàng)建一個小程序的步驟進行詳細闡述了。有需要的同學可以查看鵝廠的小程序開發(fā)文檔。

1.1 相關代碼

我們摘取小程序里面，語音錄入和語音上傳部分的代碼。

// 根據(jù)wx提供的api創(chuàng)建錄音管理對象
const recorderManager = wx.getRecorderManager();

// 監(jiān)聽語音識別結束后的行為
recorderManager.onStop(recorderResponse => {
 // tempFilePath 是錄制的音頻文件
 const { tempFilePath } = recorderResponse;

 // 上傳音頻文件，完成語音識別翻譯
 wx.uploadFile({
 url: 'http://127.0.0.1:7001/voice', // 該服務在后面搭建。另外，小程序發(fā)布時要求后臺服務提供https服務！這里的地址僅為開發(fā)環(huán)境配置。
 filePath: tempFilePath,
 name: 'file',
 complete: res => {
  console.log(res); // 我們期待res，就是翻譯后的內(nèi)容
 }
 });
});

// 開始錄音，觸發(fā)條件可以是按鈕或其他，由你自己決定
recorderManager.start({
 duration: 5000 // 最長錄制時間
 // 其他參數(shù)可以默認，更多參數(shù)可以查看https://developers.weixin.qq.com/miniprogram/dev/api/media/recorder/RecorderManager.start.html
});

2、搭建文件服務器

步驟 1 代碼中提到了一個 url 地址大家應該都還記得。

http://127.0.0.1:7001/voice

小程序本身還并沒有提供語音識別的功能，所以在這里我們需要借助于“后端”服務的能力，完成我們語音識別翻譯的功能。

2.1 egg.js 服務初始化

我們使用 egg.js 的 cli 快速初始化一個工程，當然你也可以使用 express、koa、kraken 等等框架，框架的選型在此不是重點我們就不做展開闡述了。對 egg.js 不熟悉的同學可以查看egg.js 的官網(wǎng)。

npm i egg-init -g
egg-init voice-server --type=simple
cd voice-server
npm i

安裝完成后，執(zhí)行以下代碼

npm run dev

隨后訪問瀏覽器http://127.0.0.1:7001應該可以看到一個Hi, egg 的頁面。至此我們的服務初始化完成。

2.2 文件上傳接口

a) 修改 egg.js 的文件上傳配置

打開 config/config.default.js，添加以下兩項配置

module.exports = appInfo => {
 ...
 config.multipart = {
 fileSize: '2gb', // 限制文件大小
 whitelist: [ '.aac', '.m4a', '.mp3' ], // 支持上傳的文件后綴名
 };

 config.security = {
 csrf: {
  enable: false // 關閉csrf
 }
 };
 ...
}

b) 添加 VoiceController

打開 app/controller 文件夾，新建文件 voice.js。編寫 VoiceController 使其繼承于 egg.js 的 Controller。具體代碼如下：

const Controller = require('egg').Controller;
const fs = require('fs');
const path = require('path');
const pump = require('mz-modules/pump');
const uuidv1 = require('uuid/v1'); // 依賴于uuid庫，用于生成唯一文件名，使用npm i uuid安裝即可

// 音頻文件上傳后存儲的路徑
const targetPath = path.resolve(__dirname, '..', '..', 'uploads');

class VoiceController extends Controller {
 constructor(params) {
 super(params);
 if (!fs.existsSync(targetPath)) {
  fs.mkdirSync(targetPath);
 }
 }

 async translate() {
 const parts = this.ctx.multipart({ autoFields: true });
 let stream;
 const voicePath = path.join(targetPath, uuidv1());
 while (!isEmpty((stream = await parts()))) {
  await pump(stream, fs.createWriteStream(voicePath));
 }
 // 到這里就完成了文件上傳。如果你不需要文件落地，也可以在后續(xù)的操作中，直接使用stream操作文件流

 ...
 // 音頻編碼
 // 科大訊飛語音識別
 ...
 }
}

c) 最后一步，新增路由規(guī)則

寫完 controller 之后，我們依據(jù) egg.js 的規(guī)則，在 router.js 里面新增一個路由。

module.exports = app => {
 const { router, controller } = app;
 router.get('/', controller.home.index);
 router.get('/voice', controller.voice.translate);
};

OK，至此你可以測試一下從小程序錄音，錄音完成后上傳到后臺文件服務器的完整流程。如果沒問題，那恭喜你你已經(jīng)完成了 80%的工作了！

3、音頻編碼服務

在上文中，小程序錄音的方法 recorderManager.start 的時候我們提及到了“更多參數(shù)”。其中有一個參數(shù)是 format，支持 aac 和 mp3 兩種（默認是 aac）。然后我們查閱了科大訊飛的 api 文檔，音頻編碼支持“未壓縮的 pcm 或 wav 格式”。

什么 aac、pcm、wav？emmm.. OK，我們只是前端，既然格式不對等，那只需要完成 aac -> pcm 轉化即可，ffmpeg 立即浮現(xiàn)在筆者的腦海里。一番搜索，命令大概是這樣子的：

ffmpeg -i uploads/a3f588d0-edf8-11e8-b6f5-2929aef1b7f8.aac -f s16le -ar 8000 -ac 2 -y decoded.pcm
# -i 后面帶的是源文件
# -f s16le 指的是編碼格式
# -ar 8000 編碼碼率
# -ac 2 通道

接下來我們使用 node.js 來實現(xiàn)上述命令。

3.1 引入相關依賴包

npm i ffmpeg-static
npm i fluent-ffmpeg

3.2 創(chuàng)建一個編碼服務

在 app/service 文件夾中，創(chuàng)建 ffmpeg.js 文件。新建 FFmpegService 繼承于 egg.js 的 Service

const { Service } = require('egg');
const ffmpeg = require('fluent-ffmpeg');
const ffmpegStatic = require('ffmpeg-static');
const path = require('path');
const fs = require('fs');

ffmpeg.setFfmpegPath(ffmpegStatic.path);

class FFmpegService extends Service {
 async aac2pcm(voicePath) {
  const command = ffmpeg(voicePath);

  // 方便測試，我們將轉碼后文件落地到磁盤
  const targetDir = path.join(path.dirname(voicePath), 'pcm');
  if (!fs.existsSync(targetDir)) {
   fs.mkdirSync(targetDir);
  }

  const target = path.join(targetDir, path.basename(voicePath)) + '.pcm';
  return new Promise((resolve, reject) => {
   command
    .audioCodec('pcm_s16le')
    .audioChannels(2)
    .audioBitrate(8000)
    .output(target)
    .on('error', error => {
     reject(error);
    })
    .on('end', () => {
     resolve(target);
    })
    .run();
  });
 }
}

module.exports = FFmpegService;

3.3 調(diào)用 ffmpegService，獲得 pcm 文件

回到 app/controller/voice.js 文件中，我們在文件上傳完成后，調(diào)用 ffmpegService 提供的 aac2pcm 方法，獲取到 pcm 文件的路徑。

// app/controller/voice.js
...
async translate() {
 ...
 ...
 const pcmPath = await this.ctx.service.ffmpeg.aac2pcm(voicePath);
 ...
}
...

4、對接科大訊飛 API

首先，需要到科大訊飛開放平臺注冊并新增應用、開通應用的語音聽寫服務。

我們再寫一個服務，在 app/service 文件夾下創(chuàng)建 xfyun.js 文件，實現(xiàn) XFYunService 繼承于 egg.js 的 Service。

4.1 引入相關依賴

npm i axios // 網(wǎng)絡請求庫
npm i md5 // 科大訊飛接口中需要md5計算
npm i form-urlencoded // 接口中需要對部分內(nèi)容進行urlencoded

4.2 XFYunService 實現(xiàn)

const { Service } = require('egg');
const fs = require('fs');
const formUrlencoded = require('form-urlencoded').default;
const axios = require('axios');
const md5 = require('md5');
const API_KEY = 'xxxx'; // 在科大訊飛控制臺上可以查到服務的APIKey
const API_ID = 'xxxxx'; // 同樣可以在控制臺查到

class XFYunService extends Service {
 async voiceTranslate(voicePath) {
  // 繼上文，暴力的讀取文件
  let data = fs.readFileSync(voicePath);
  // 將內(nèi)容進行base64編碼
  data = new Buffer(data).toString('base64');
  // 進行url encode
  data = formUrlencoded({ audio: data });
  const params = {
   engine_type: 'sms16k',
   aue: 'raw'
  };
  const x_CurTime = Math.floor(new Date().getTime() / 1000) + '',
   x_Param = new Buffer(JSON.stringify(params)).toString('base64');
  return axios({
   url: 'http://api.xfyun.cn/v1/service/v1/iat',
   method: 'POST',
   data,
   headers: {
    'X-Appid': API_ID,
    'X-CurTime': x_CurTime,
    'X-Param': x_Param,
    'X-CheckSum': md5(API_KEY + x_CurTime + x_Param)
   }
  }).then(res => {
   // 查詢成功后，返回response的data
   return res.data || {};
  });
 }
}

module.exports = XFYunService;

4.3 調(diào)用 XFYunService，完成語音識別

再次回到 app/controller/voice.js 文件中，我們在 ffmpeg 轉碼完成后，調(diào)用 XFYunService 提供的 voiceTranslate 方法，完成語音識別。

// app/controller/voice.js
...
async translate() {
 ...
 ...
 const result = await this.ctx.service.xfyun.voiceTranslate(pcmPath);
 this.ctx.body = result;
 if (+result.code !== 0) {
  this.ctx.status = 500;
 }
}
...

至此我們完成語音識別的代碼編寫。主要流程其實很簡單，通過小程序錄入語音文件，上傳到文件服務器之后，通過 ffmpeg 獲取到 pcm 文件，最后再轉發(fā)到科大訊飛的 api 接口進行識別。

以上，如有錯漏，歡迎指正！

總結

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對創(chuàng)新互聯(lián)的支持。

當前標題：30分鐘快速實現(xiàn)小程序語音識別功能
分享網(wǎng)址：http://jinyejixie.com/article18/jjhjdp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供營銷型網(wǎng)站建設、移動網(wǎng)站建設、網(wǎng)站排名、網(wǎng)站策劃、小程序開發(fā)、微信公眾號

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

成人午夜视频全免费观看高清-秋霞福利视频一区二区三区-国产精品久久久久电影小说-亚洲不卡区三一区三区一区

30分鐘快速實現(xiàn)小程序語音識別功能