北京华网天下

小程序增加语音识别转文字的功能所遇问题及解决记录

2025-04-03

来源：网络整理

最近，添加了语音识别将文本转换为迷你程序的功能，并且有无穷无尽的技巧，因此我将在此处录制。

微信开发人员工具

开发人员工具上的录制文件与移动终端格式不同。它们只能暂时在工具上进行播放和调试，并且不能直接播放或在客户身上播放。

当我发现在工具上录制的路径是：客户端上的录制为：//xxx.mp3。愚弄人们的格式没有什么不同，而是不同的映射路径。

实际上，兼容并不难。每当我提示文字线时，这都很丑陋。

采样率和编码率限制

每个采样率具有编码代码速率范围的相应有效值。设置非法采样率或编码代码率将导致记录失败。详细查看

.html

一开始我没有注意，这导致录制失败了。

尝试几次后，使用此配置，感觉录制识别率和音量相对较好：

sampleRate: 16000, //采样率 numberOfChannels: 1, //录音通道数 encodeBitRate: 96000, //编码码率

单个通道基本上是必须的。因为作为编程旅馆，旅馆只支持单个通道。这也是可能的，但是必须考虑截断对识别的影响。暂时没有用。

记录优化

因为可能会错误地按下，所以记录的记录少于直接忽略。

此外，在发布录制按钮后，请延迟一些时间，然后才能实际停止录制。

记录文件格式

微信录制文件支持mp3和AAC。这两个格式文件都较小，并且AAC文件大小较小。这对于上传和更快是一件好事。

但是语音识别文本并不友好。由于， ASR和的语音到文本接口不支持AAC和MP3，因此它们通常需要PCM或WAV格式。

如果微信录制可以提供WAV格式，那么服务器不需要转换格式，但是WAV格式是MP3和AAC的5至10倍，至少在短期内将没有机会，这也是许多人抱怨的事情。

服务器转换记录文件格式

可以使用Java第三方库或致电将其转换。应该注意的是，转换是根据标识API的要求进行的。例如，阿里巴巴云ASR的要求是：

支持音频编码格式：PCM（未压缩的PCM文件或WAV文件），opus，单声道（单声道），带有采样位；

支持音频采样率：;

微信文字转语音软件_微信小程序开发语音转文字_微信文字转语音小程序制作

Java使用数组传递参数

转换音频和视频，使用它供使用。安装后，使用Java创建一个新的程序调用。

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

总是提示。后来，我查看了该文档，发现应以数组的形式传递参数。

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

这将成功开始。

关于Java启动过程，这不是本文的重点。将来我将写一篇文章的摘要。

阿里巴巴云ASR SDK使用问题

这个问题是一天，当我考虑时，我真的呕吐了血液。

问题在于，无法识别出在微信上记录的许多声音。

一开始，我将录制MP3文件直接转换为PCM文件，该文件可以在本地播放，但是 ASR SDK无法识别它。起初，我认为这是一个文件编码问题。我特别检查了ASR支持的文件格式，并使用了检查和查看属性，但我没有看到问题。

即使是启动过程转换也已更改，如果您使用Java库，它仍然不起作用。

后来，为了促进测试问题，使用ASR接口对录制文件进行了测试，并且可以对其进行编程以识别它们！ SDK似乎是一个问题。因此，打开官方文件示例比较。我发现我正在使用SDK 2.x。对不起，我已经复制并粘贴了很多！我想哭，但没有眼泪。

// TODO 重要提示：这里是用读取本地文件的形式模拟实时获取语音流并发送的，因为read很快，所以这里需要sleep // TODO 如果是真正的实时获取语音，则无需sleep, 如果是8k采样率语音，第二个参数改为8000 int deltaSleep = getSleepDelta(len, sampleRate); Thread.sleep(deltaSleep);

正确的设置也更少。

阿里巴巴云ASR过期

因为我使用了免费版的ASR版本并且没有为工厂充电，所以一天之内失败了，导致联合调试期间突然出现错误。

最后，我无法忍受，所以我写了一项定时任务以每小时更新。

这是VIP

wx。返回值

微信小程序开发语音转文字_微信文字转语音软件_微信文字转语音小程序制作