[英]Stream audio to Azure speech api by node.js on browser
我正在通過 node.js 在瀏覽器上使用 Azure 語音 api 制作語音到文本的演示。 根據此處的API 文檔,它確實指定它需要 .wav 或 .ogg 文件。 但是下面的示例通過向 api 發送字節數據來執行 api 調用。
所以我已經以字節數組的形式從麥克風中獲取了我的數據。 將其轉換為字節並將其發送到 api 是正確的路徑嗎? 或者將它保存為 .wav 文件然后發送到 api 對我來說更好嗎?
所以下面是我的代碼。
這是來自麥克風部分的流。
navigator.mediaDevices.getUserMedia({ audio: true })
.then(stream => { handlerFunction(stream) })
function handlerFunction(stream) {
rec = new MediaRecorder(stream);
rec.ondataavailable = e => {
audioChunks.push(e.data);
if (rec.state == "inactive") {
let blob = new Blob(audioChunks, { type: 'audio/wav; codec=audio/pcm; samplerate=16000' });
recordedAudio.src = URL.createObjectURL(blob);
recordedAudio.controls = true;
recordedAudio.autoplay = true;
console.log(blob);
let fileReader = new FileReader();
var arrayBuffer = new Uint8Array(1024);
var reader = new FileReader();
reader.readAsArrayBuffer(blob);
reader.onloadend = function () {
var byteArray = new Uint8Array(reader.result);
console.log("reader result" + reader.result)
etTimeout(() => getText(byteArray), 1000);
}
}
}
}
這是api調用部分
function getText(audio, callback) {
console.log("in function audio " + audio);
console.log("how many byte?: " + audio.byteLength)
const sendTime = Date.now();
fetch('https://westus.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US', {
method: "POST",
headers: {
'Accept': 'application/json',
'Ocp-Apim-Subscription-Key': YOUR_API_KEY,
// 'Transfer-Encoding': 'chunked',
// 'Expect': '100-continue',
'Content-type': 'audio/wav; codec=audio/pcm; samplerate=16000'
},
body: audio
})
.then(function (r) {
return r.json();
})
.then(function (response) {
if (sendTime < time) {
return
}
time = sendTime
//callback(response)
}).catch(e => {
console.log("Error", e)
})
}
它返回400 (Bad Request)
並說:
{消息:“不支持的音頻格式”}
原因:
請注意,您不是通過以下方式創建帶有audio/wav
mimeType 的MediaRecorder
new Blob(audioChunks,{type:'audio/wav; codec=audio/pcm; samplerate=16000'})
此語句僅是對 blob 的描述。 我使用isTypeSupported
測試我的 Chrome(v71):
MediaRecorder.isTypeSupported("audio/wav") // return false
MediaRecorder.isTypeSupported("audio/ogg") // return false
MediaRecorder.isTypeSupported("audio/webm") // return true
似乎 MediaRecorder 只會在audio/webm
錄制音頻。 另外,當我在 Chrome 上運行以下代碼時,默認的rec.mimeType
是audio/webm;codecs=opus
rec = new MediaRecorder(stream);
根據音頻格式 Requiremnts ,目前還不支持audio/webm
。
方法:
在調用getText()
之前,我們需要先將webm
轉換為wav
。 有很多庫可以幫助我們做到這一點。 我只是在您的代碼之前復制Jam3 的腳本以將webm
轉換為wav
:
// add Jam3's script between Line 2 and Line 94 or import that module as you like
// create a audioContext that helps us decode the webm audio
var audioCtx = new (window.AudioContext || window.webkitAudioContext)();
rec = new MediaRecorder(stream,{
mimeType : 'audio/webm',
codecs : "opus",
});
// ...
rec.ondataavailable = e => {
audioChunks.push(e.data);
if (rec.state == "inactive") {
var blob = new Blob(audioChunks, { 'type': 'audio/webm; codecs=opus' });
var arrayBuffer;
var fileReader = new FileReader();
fileReader.onload = function(event) {
arrayBuffer = event.target.result;
};
fileReader.readAsArrayBuffer(blob);
fileReader.onloadend=function(d){
audioCtx.decodeAudioData(
fileReader.result,
function(buffer) {
var wav = audioBufferToWav(buffer);
setTimeout(() => getText(wav), 1000);
},
function(e){ console.log( e); }
);
};
}
}
它對我來說很好用:
作為旁注,我建議您應該使用后端來調用語音轉文本服務。 切勿在瀏覽器中調用 azure stt
服務。 那是因為將您的訂閱密鑰暴露給前端真的很危險。 任何人都可以檢查網絡並竊取您的密鑰。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.