1、概述

---

• 通過微信小程序wx.startRecord()和wx.stopRecord()接口錄音并上傳silk錄音文件至服務器，通過ffmpeg將silk錄音文件轉(zhuǎn)成wav錄音文件，再通過百度語音識別 REST API 獲取語音識別后的結(jié)果。

2、代碼實現(xiàn)

---

• 錄音和語音文件上傳

  //index.js
      //開始錄音。當主動調(diào)用wx.stopRecord，
      //或者錄音超過1分鐘時自動結(jié)束錄音，返回錄音文件的臨時文件路徑。
      //當用戶離開小程序時，此接口無法調(diào)用。
      wx.startRecord({
        success: function (res) {
          console.log('錄音成功' + JSON.stringify(res));
          that.setData({
            voiceButtonName: '語音識別',
            voicePlayButtonName: '開始播放',
            tempFilePath: res.tempFilePath
          })
          //上傳語音文件至服務器
          wx.uploadFile({
            url: 'https://你的域名/upload',
            filePath: res.tempFilePath,
            name: 'file',
            // header: {}, // 設置請求的 header
            formData: {
              'msg': 'voice'
            }, // HTTP 請求中其他額外的 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) {
          //錄音失敗
          that.setData({
            voiceButtonName: '語音識別'
          })
          console.log('錄音失敗' + JSON.stringify(res));
        }
      })
      setTimeout(function () {
        //結(jié)束錄音  
        wx.stopRecord()
      }, 60000)

• node.js服務端接收語音文件代碼

  //upload.js
  //使用koa-multer這個組件
  var multer = require('koa-multer');
  var router = require('koa-router')();
  var path = require('path');
  //存儲文件至path.resolve('./voice-file')路徑
  var upload = multer({ dest: path.resolve('./voice-file')});
  router.post('/', upload.single('file'), async function (ctx, next) {
      //這是就文件的具體信息
      console.log(ctx.req.file);
  });

• silk文件轉(zhuǎn)wav文件
  我使用的是silk-v3-decoder將silk文件轉(zhuǎn)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 : ''
                });
            }
        });
    });
  }

• 百度語音識別 REST API識別wav文件

1、通過API Key和Secret Key獲取的access_token

//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' : '出現(xiàn)錯誤: ' + JSON.stringify(error)
                });
            }else {
                resolve({
                    'result' : true,
                    'msg' : data
                });
            }
        });
    });
}

2、通過token 調(diào)用百度語音識別 REST API識別接口

//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 : '出現(xiàn)錯誤: ' + JSON.stringify(error)
                });
            }else {
                resolve({
                    result : true,
                    msg : data
                });
            }
        });
    });
}

3、語音識別優(yōu)化

---

通過上述操作后，發(fā)現(xiàn)識別的內(nèi)容和實際內(nèi)容差別很大

查看文檔可知：采樣率：8000/16000 僅支持單通道
在ffmpeg里對應的設置方式分別是：
-ar rate 設置采樣率
-ac channels 設置聲道數(shù)

修改converter.sh文件，修改為下圖所示

4、如何還不明白，怎么辦？

項目地址：https://github.com/yangxiaopingios/wx-recognition 

項目下載：http://pan.baidu.com/s/1i5kLGrF