微信小程序怎么實現語音識別轉文字功能及遇到的坑

這篇文章將為大家詳細講解有關微信小程序怎么實現語音識別轉文字功能及遇到的坑，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

微信開發者工具

開發者工具上的錄音文件與移動端格式不同，暫時只可在工具上進行播放調試，無法直接播放或者在客戶端上播放

debug的時候發現，工具上錄音的路徑是http://tmp/xxx.mp3，客戶端上錄音是wxfile://xxx.mp3。 忽悠呢，不是格式不同，是映射路徑不同。

其實做個兼容也不難，每次提示一行文字，很丑。

采樣率與編碼碼率限制

每種采樣率有對應的編碼碼率范圍有效值，設置不合法的采樣率或編碼碼率會導致錄音失敗。詳細看這個
https://developers.weixin.qq.com/miniprogram/dev/api/media/recorder/RecorderManager.start.html

一開始沒有留意，導致錄音不成功。

試過幾次后，采用這樣的配置，感覺錄音識別率和體積之間比較好平衡：

sampleRate: 16000, //采樣率
numberOfChannels: 1, //錄音通道數
encodeBitRate: 96000, //編碼碼率

單通道基本是必選的。因為asr只支持單通道。frameSize也是可以的，但是要考慮截斷對識別的影響。暫時沒有用上。

錄音優化

因為可能誤按，于是對小于500ms的錄音直接忽略。
另外，松開錄音按鍵后，再延遲一點時間才真正stop錄音。

錄音文件格式

微信錄音文件支持mp3和aac。這2種格式文件都比較小，aac文件體積更小。這對上傳來說是件好事情，速度更快。
但是對語音識別轉文字就不友好了。因為百度、阿里云ASR、訊飛的語音轉文字接口都不支持aac和mp3，通常要求是pcm或者wav格式。

如果微信錄音能提供wav格式，那么就不用服務器做格式轉換了，但是wav格式體積是mp3、aac的5到10倍，至少短期是沒戲了，這也是很多人吐槽的地方。

服務器轉換錄音文件格式

可以用java第三方庫轉換，也可以用Process調用ffmpeg轉換。要注意的是，根據識別API的要求來做轉換。比如阿里云asr的要求是：

支持音頻編碼格式：pcm(無壓縮的pcm文件或wav文件)、opus，16bit采樣位數的單聲道(mono)；
支持音頻采樣率：8000Hz、16000Hz；

java ProcessBuilder要使用數組傳參

轉換音視頻，習慣用ffmpeg。安裝完ffmpeg之后，用java新建進程調用。

Process = new ProcessBuilder("ffmpeg -i in.mp3 out.wav").start();

一直提示CreateProcess error。 后來看文檔才發現，要以數組的形式傳入參數。

Process = new ProcessBuilder("ffmpeg", "-y", "-i", "in.mp3", "out.wav").start();

這樣就啟動成功了。

關于java啟動進程，不是本文重點，以后再寫篇文章總結。

阿里云asr sdk使用問題

這個問題困擾了一天時間，回想起來真是吐血。
問題表現是微信錄制的語音很多都識別不了。
最初是直接把錄音mp3文件轉換為pcm文件，本地能播放，但是用阿里云asr sdk卻識別不了。 一開始以為是文件編碼問題。特意查了asr支持的文件格式，用ffprobe檢查，potplayer看屬性，都沒有看出問題。
甚至把啟動ffmpeg進程轉換也改了，用了java的庫去做，還是不行。
后來為了方便測試問題，用asr的restful接口測試錄音文件，都能識別！ 似乎是sdk的問題。于是打開官方文檔例子對比。發現用的是sdk 2.x，老鐵啊你復制粘貼過來的代碼竟然少了！欲哭無淚。

// TODO 重要提示：這里是用讀取本地文件的形式模擬實時獲取語音流并發送的，因為read很快，所以這里需要sleep
// TODO 如果是真正的實時獲取語音，則無需sleep, 如果是8k采樣率語音，第二個參數改為8000
int deltaSleep = getSleepDelta(len, sampleRate);
Thread.sleep(deltaSleep);

也少了對sampleRate的設置。

阿里云asr token過期

因為用的是免費版asr，沒有給福報廠充值，因此token一天失效，導致聯調的時候突然報錯。
最后實在受不了，寫了個定時任務每小時更新token。
這，就是beggar VIP?

wx.uploadFile返回值

封裝了一個接口parseResponse，統一解析查詢結果（文本、語音）。發現奇怪的問題：

用文本查詢的，可以正常解析結果用語音查詢的，明明已經返回了結果，卻解析不了！

只能console.log()打印出來對比

第一行是wx.request()發起文本查詢。
第二行是wx.uploadFile()上傳語音文件后直接語音轉文字，并且查詢。

wx.request返回值是json對象。
wx.uploadFile返回值是“字符串”！
wx.uploadFile返回值是“字符串”！
wx.uploadFile返回值是“字符串”！
重要的事情要說3遍。盡管Content-Type: "application/json; charset=utf8"，但是微信根本不做轉換！非常坑爹！

解決：對wx.uploadFile返回值進行JSON.parse(res.data)，得到json對象。

更換appid和secret

因為正式小程序項目賬號一直拖著沒有申請，所以這段時間用的是我個人的appid和secret進行開發。
等正式賬號準備好了，更新了小程序項目的appid，并且發出內部體驗包。

此時已經深夜1點半，頭腦有點發懵。只更新了小程序appid，竟然忘了更新服務器的appid和secret。。。
于是乎反復報錯登錄失敗。
過了一會才反映過來，更新服務器的appi的secret，但是還是用戶。才想起忘了還有storage緩存沒有清除?，里面放著自定義的session。這下真機體驗沒問題了。
但是微信開發者工具又是登錄失敗。反復摸索后發現：更換小程序appid后，清除所有數據，關閉開發者工具，重新打開，這就正常了。應該是微信開發者工具的bug。

關于“微信小程序怎么實現語音識別轉文字功能及遇到的坑”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。