如何將本地html5錄制的音頻的float32Array格式轉換為Google語音轉文本服務的適當字節？

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，您將設法創建一個腳本處理器添加一個監聽器

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

在回調內部，通過調用以下行： callback_param.inputBuffer.getChannelData(0)您將收到一個javascript Float32Array，通過查看數據，它似乎包含從-1.0到+1.0的浮點數

因此，將其流式傳輸到后端，然后將其流式傳輸到Google Speech-To-Text服務，您一無所獲（如預期）

至少在Python中，用於流式輸入的Google Speech-To-Text服務需要wav格式的字節字符串，其中包含指定頻率的聲音（即16000Hz）。 請注意，如果您在后端流式傳輸文件，則可以正常工作。

此轉換失敗：Float32Array-> Int16Array->字節字符串

有誰找到適合上述工作的適當轉換方式？

另外，您是否知道一種更簡單，更健壯的路徑：瀏覽器中的麥克風->通過websocket到后端服務器的數據流->向Google Speech-To-Input服務的數據流->按預期獲取響應？

---

編輯：為Google Speech API的識別配置添加python代碼

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，找到了具有適當信息的實際文檔 。

LINEAR16未壓縮的16位帶符號小尾數采樣（Linear PCM）。

關鍵部分是：

• 每個樣本16位
• 簽
• 小端

因此，您需要做的是將浮點值（ -1.0 ... 1.0 ） -32786和32767之間的整數。

沒有任何內置的JavaScript方法可以為您執行此操作。 你Float32Array和Int16Array之間的轉換不工作，因為你剛剛結束了近似值-1 ， 0和1 。 您不能使用Int16Array的另一個原因是，它的字節序依賴於平台 ！

您需要做的就是熟悉ArrayBuffers並使用DataView對其進行操作。 取每個樣本，做一些數學運算，寫字節，移到下一個樣本。 完成后，XHR和Fetch API均支持發送ArrayBuffer作為HTTP請求正文。 或者，您可以使用該ArrayBuffer實例化一個新的Blob並執行其他操作。