如何保存 Java Discord API 用户输入 ZF7B44CFAFD5C52223D5498bytev196C 人类可识别文件

Question

新程序员在这里，我一直在阅读文档（Oracle，Java Discord API，CMU Sphinx 4）感觉就像永远一样，卡在这个问题上。

有一个 userAudio object 包含一个用户（保存特定扬声器的唯一标识符，例如名称、ID 等）和一个字节 [] （“在 48KHz 16 位立体声签名的 BigEndian PCM 中提供 20 毫秒的用户音频数据”）。 我想通过使用我的 VoiceInputConverter class 将 byte[] 保存为 a.wav 文件，但我不完全理解 20 毫秒部分，也没有太多解释？

VoiceInputConverter 将接收音频数据，保存文件，将其转换为 Sphinx 格式，对文件运行语音识别，然后返回一串说出的单词。 CMU Sphinx 4 的语音识别标准是 16KHz 16bit mono little-endian。

我尝试了一些不同的方法，但无法弄清楚如何将来自 discord 的音频 ZF7B44CFFAFD5C52223D5498196C8A2E7BZ byte[] 保存到人类 recognizable.wav 文件中。 您如何 go 关于这样做？ 任何帮助将非常感激！

（编辑）此时我怀疑正在流式传输的输入提供了几个 20ms 字节 arrays （可能是数据包），它们可以捆绑在一起以创建完全可识别的音频。 我仍然不确定如何做到这一点，但至少它给了我一些研究的东西。 如果有人知道 Java Discord API (JDA) AudioReceiveHandler 的工作原理，请告诉我！

public class VoiceInputConverter {

    byte[] audio;
    User user;

    public VoiceInputConverter(UserAudio userAudio) {
        this.audio = userAudio.getAudioData(1);  // 20 milliseconds of user audio data in 48KHz 16bit stereo signed BigEndian PCM, volume (1) meaning 100%
        this.user = userAudio.getUser();
    }

    public void saveAudioFile() {
        AudioFormat sphinxTargetFormat = new AudioFormat(16000f, 16, 1, true, false);
        ByteArrayInputStream byteArrayInputStream = new ByteArrayInputStream(audio);
        AudioInputStream audioInputStream = new AudioInputStream(byteArrayInputStream, AudioReceiveHandler.OUTPUT_FORMAT, audio.length);

        try {
            AudioSystem.write(audioInputStream, AudioFileFormat.Type.WAVE, new File("src/main/resources/tmp" + user.getIdLong() + ".wav"));
        } catch (Exception e) {
            System.out.println(e.getMessage());
        }
    }
}