采用前端录音，Websocket搭建Node服务器，音频对象Blob使用Websocket传给后端服务器后写入本地音频文件，然后调用百度AI语音识别本地音频文件，最后将识别结果传给前端显示。
百度语音识别
查看文档知道了我想要的信息，如果想要实现实时语音识别、长时间段的语音、唤醒词功能、语义解析功能，需要使用Android、IOS SDK或者Linux C++ SDK版本，而我使用的Nodejs SDK是不支持的。
1、规格参数要求
语音时长上线为60s，超出讲返回错误
原始录音文件为pcm、wav或者amr格式，不区分大小写，推荐使用pcm
录音采样率为16000，声道为单通道
支持普通话、英文、粤语、四川话
项目结构
调用百度AI平台语音识别的Nodejs SDK，查看文档快速入门，可以查看如何调用。
首先将nodejs-sdk下载下来，下载后将目录里的speech文件夹拷贝到你的项目文件夹中，其中assets是存放录音音频的地方，然后进入node文件夹下的位置进行安装依赖包：
npm install
我的项目文件夹目录如下：
audio_asr_baidu
├─ package-lock.json
└─ speech
├─ .gitignore
├─ assets
│ ├─ 16k_test.pcm
│ └─ recorder.wav
├─ cpp
│ ├─ .gitignore
│ ├─ README.md
│ ├─ build.sh
│ └─ main.cpp
└─ node
├─ .gitignore
├─ README.md
├─ RecordRTC.js
├─ index.html
├─ main.js
├─ node_modules
├─ package-lock.json
├─ package.json
└─ style.css
然后在node文件夹里的index.html是我的客户端文件，main.js是我的服务端文件。
搭建Websocket服务器
在main.js文件里搭建websocket服务器，首先安装相关依赖模块：
npm i ws -S
然后搭建：
let Server = require('ws').Server;
const wss= newServer({
port:9001})//连接服务器
wss.on('connection', ws =>{
console.log('server connected');
})
ws.on('error', error =>{
console.log('Error:' +error);
})
ws.on('close', () =>{
console.log('Websocket is closed');
})
})//断开连接
wss.on('disconnection', ws =>{
ws.on('message', msg =>{
console.log('server recived msg:' +msg);
})
})
然后在index.html中：
let ws = new WebSocket('ws://localhost:9001');
ws.onopen= e =>{
console.log('Connection to server opened');
}
启动服务：
node main.js
就可以在控制台看见这样的打印信息：
//客户端的打印信息：
Connection to server opened//服务端的打印信息：
server connected
语音识别
客户端录音传给服务端，然后写入本地.wav文件的操作有个了雏形，但是还需要再修改一下，所以这里只是大概将百度AI提供的录音文件语音识别之后传给前端显示演示出来。
index.html:
You said:
let audioTxt= document.getElementById('txt');
let ws= new WebSocket('ws://localhost:9001');
ws.onopen= e =>{
console.log('Connection to server opened');
}/**
* @name: captureMicrophone
* @description: 获取麦克风权限
* @param {type} callback
* @return: none*/
functioncaptureMicrophone(callback) {
navigator.mediaDevices.getUserMedia({
audio:true}).then(callback).catch(function(error) {
alert('Unable to access your microphone.');
console.error(error);
});
}/**
* @name: stopRecordingCallback
* @description: 停止说话 发送blob给服务端
* @param {type} none
* @return: none*/
functionstopRecordingCallback() {
audio.srcObject= null;
let blob=recorder.getBlob();
console.log(blob);//录音回放
audio.src =URL.createObjectURL(blob);//麦克风停止使用
recorder.microphone.stop();//传输blob
ws.send(blob)
}//将识别结果传送给前端显示
ws.onmessage = e =>{
console.log(e.data);
let data=JSON.parse(e.data);
audioTxt.innerHTML=data.result;
}
ws.onclose= e =>{
console.log('Connection to server closed');
}
let recorder;//globally accessible
/**
* @name:
* @description: 开始说话
* @param {type} none
* @return:*/document.getElementById('btn-start-recording').onclick = function() {//this.disabled = true;
captureMicrophone(function(microphone) {
audio.srcObject=microphone;
recorder=RecordRTC(microphone, {
type:'audio',
recorderType: StereoAudioRecorder,
desiredSampRate:16000});
recorder.startRecording();//点击停止说话，释放麦克风
recorder.microphone =microphone;
document.getElementById('btn-stop-recording').disabled = false;
});
};/**
* @name:
* @description: 停止说话
* @param {type} none
* @return:*/document.getElementById('btn-stop-recording').onclick = function() {//this.disabled = true;
recorder.stopRecording(stopRecordingCallback);
};
服务端将音频对象blob写入本地.wav文件，然后进行语音识别：
let AipSpeech = require("baidu-aip-sdk").speech;
let fs= require('fs');
let Server= require('ws').Server;
const wss= newServer({
port:9001})
let resTxt;//语音识别结果
wss.on('connection', ws =>{
console.log('server connected');
ws.on('message', data =>{
console.log('server recived audio blob');//将录音写入本地文件
fs.writeFile('../assets/recorder.wav', Buffer(new Uint8Array(data)), (err) =>{if(err) {
console.log("err:", err);
}else{
ws.send('success')
}
})//务必替换百度云控制台中新建百度语音应用的 Api Key 和 Secret Key
let client = new AipSpeech(0, 'Api Key', 'Secret Key');
let voice= fs.readFileSync('../assets/recorder.wav');
let voiceBase64= newBuffer(voice);//识别本地语音文件
client.recognize(voiceBase64, 'pcm', 16000).then(function(result) {
console.log('语音识别本地音频文件结果: ' +JSON.stringify(result));
resTxt=JSON.stringify(result)
},function(err) {
console.log(err);
});
})//服务端发送给客户端
ws.send(resTxt);
ws.on('error', error =>{
console.log('Error:' +error);
})
ws.on('close', () =>{
console.log('Websocket is closed');
})
})
wss.on('disconnection', ws =>{
ws.on('message', msg =>{
console.log('server recived msg:' +msg);
})
})
然后启动服务器：
node main.js
再打开index.html在浏览器上，就可以看到连接服务器了，然后语音识别的结果是这样：
语音识别本地音频文件结果: {"corpus_no":"6728179649062189023","err_msg":"success.","err_no":0,"result":["北京科技馆。"],"sn":"72713399566526398"}
这是前端显示的结果：
如果觉得《html语音上传 语音识别—前端录音上传服务器进行语音识别》对你有帮助，请点赞、收藏，并留下你的观点哦！
