如何将本地html5录制的音频的float32Array格式转换为Google语音转文本服务的适当字节？

Question

如果您遵循此教程： https : //medium.com/ideas-at-igenius/delivering-a-smooth-cross-browser-speech-to-text-experience-b1e1f1f194a2，您将设法创建一个脚本处理器添加一个监听器

scriptProcessor = inputPoint.context.createScriptProcessor(bufferSize, in_channels, out_channels)
//...
scriptProcessor.addEventListener('audioprocess', streamAudioData)

在回调内部，通过调用以下行： callback_param.inputBuffer.getChannelData(0)您将收到一个javascript Float32Array，通过查看数据，它似乎包含从-1.0到+1.0的浮点数

因此，将其流式传输到后端，然后将其流式传输到Google Speech-To-Text服务，您一无所获（如预期）

至少在Python中，用于流式输入的Google Speech-To-Text服务需要wav格式的字节字符串，其中包含指定频率的声音（即16000Hz）。 请注意，如果您在后端流式传输文件，则可以正常工作。

此转换失败：Float32Array-> Int16Array->字节字符串

有谁找到适合上述工作的适当转换方式？

另外，您是否知道一种更简单，更健壮的路径：浏览器中的麦克风->通过websocket到后端服务器的数据流->向Google Speech-To-Input服务的数据流->按预期获取响应？

---

编辑：为Google Speech API的识别配置添加python代码

config = types.RecognitionConfig(
        encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=16000,
        language_code=self.language_code)

Answer 1

好的，做了一些挖掘，找到了具有适当信息的实际文档 。

LINEAR16未压缩的16位带符号小尾数采样（Linear PCM）。

关键部分是：

• 每个样本16位
• 签
• 小端

因此，您需要做的是将浮点值（ -1.0 ... 1.0 ） -32786和32767之间的整数。

没有任何内置的JavaScript方法可以为您执行此操作。 你Float32Array和Int16Array之间的转换不工作，因为你刚刚结束了近似值-1 ， 0和1 。 您不能使用Int16Array的另一个原因是，它的字节序依赖于平台 ！

您需要做的就是熟悉ArrayBuffers并使用DataView对其进行操作。 取每个样本，做一些数学运算，写字节，移到下一个样本。 完成后，XHR和Fetch API均支持发送ArrayBuffer作为HTTP请求正文。 或者，您可以使用该ArrayBuffer实例化一个新的Blob并执行其他操作。