最近小程序增加了语音识别文字的功能，坑多路多，特此记录。

微信开发者工具

开发者工具上的记录文件的格式与移动终端上的不同。暂时只能在工具上播放调试，不能直接播放或在客户端播放

调试的时候发现工具上的录制路径是http://tmp/xxx.mp3，客户端上的录制路径是wxfile ://XXX . MP3 follow，不是格式不同，而是映射路径不同。

其实兼容并不难。一次提示一行很难看。

采样率和编码速率限制

每个采样率在码率范围内都有有效值，设置非法采样率或码率会导致录制失败。详细看看这个https://developers . weixin . QQ.com/mini program/dev/API/media/recorder/recorder manager . start . html

一开始没注意，导致录制不成功。

经过几次尝试，有了这个配置，我觉得录音识别率和音量之间有很好的平衡：

SampleRate: 16000，//通道的采样率数： 1，//录制通道数encodeBitRate: 96000，//编码速率基本要求单通道。因为asr只支持单通道。FrameSize也是可以的，但是要考虑截断对识别的影响。暂时不用。

录制优化

因为可能误按，直接忽略500ms以内的录音。另外，释放录音按钮后，在真正停止录音之前，请延迟一点时间。

录制文件格式

微信录音文件支持mp3和aac。这两种格式的文件较小，aac文件较小。这对于上传来说是一件好事，而且速度更快。但对语音识别不友好。因为百度、阿里巴巴云ASR、讯飞的语音转文字接口不支持aac、mp3，通常需要pcm或wav格式。

如果微信录音可以提供wav格式，服务器不需要做格式转换，但是wav格式是mp3和aac的5到10倍，至少短期内会丢失，这是很多人吐槽的地方。

服务器转换记录文件格式

可以使用java第三方库进行转换，也可以使用Process调用ffmpeg转换。需要注意的是，转换是根据标识API的要求进行的。例如，阿里巴巴云asr的要求是：

支持音频编码格式：pcm(未压缩的pcm文件或wav文件)、opus、mono)；具有16位采样位；支持音频采样率：8000Hz，16000Hz；

Java ProcessBuilder使用数组传递参数

转换音频和视频，习惯ffmpeg。安装ffmpeg后，用java创建一个新的进程调用。

process=new ProcessBuilder(' ffmpeg-I in . MP3 out . wav ')。start()；始终提示CreateProcess错误。后来看了文档，发现必须以数组的形式传入参数。

process=new process builder(' ffmpeg '，'-y '，'-i '，' in.mp3 '，' out.wav ')。start()；于是就成功开始了。

java启动过程不是本文的重点，所以我以后会写一个总结。

阿里巴巴云asr sdk使用问题

这个问题困扰了我一整天，回想起来真的是吐血。问题是微信录的很多声音都认不出来。原本mp3文件直接转换成pcm文件，可以在本地播放，但阿里巴巴Cloud asr sdk无法识别。一开始我以为是文件编码问题。我特意查了asr支持的文件格式，用ffprobe查了一下，用potplayer看了一下属性，没发现什么问题。甚至开始ffmpeg过程的转换也改变了，用java库来做，但是还是不行。后来为了方便测试，用asr的restful接口对录音文件进行了测试，都能识别出来！似乎是sdk的问题。然后打开公文示例对比。发现用的是sdk 2.x，老铁。你复制粘贴的代码少了！欲哭无泪。

//TODO重要提示：实时语音流是模拟的，以读取本地文件的形式发送。因为读书快，你需要睡在这里。//TODO如果是真正的实时语音采集，就不用睡觉了。如果是8k采样率语音，第二个参数改为8000 int delta=getsleepdelta (len，采样率)；thread . sleep(deltaSleep)；采样速率也缺乏设置。

阿里巴巴云asr令牌到期

因为用的是免费版asr，富宝工厂没有充值，令牌过期一天，导致联合调试突然出错。最后，我受不了了。我写了一个每小时更新令牌的常规任务。这是乞丐贵宾

Wx.uploadFile返回值

封装一个接口parseResponse来统一解析查询结果(文本、语音)。发现奇怪的问题：

如果使用文本进行查询，可以正常解析结果。如果用语音查询，无法解析结果！

只能打印console.log()进行比较

第一行是由wx.request()发起的文本查询。第二行是wx.uploadFile()。上传语音文件后，直接将语音转换为文本和查询。

Wx.request返回一个json对象。Wx.uploadFile返回值为“字符串”！Wx.uploadFile返回值为“字符串”！Wx.uploadFile返回值为“字符串”！重要的事情要说三遍。即使内容类型为“:”的应用程序/JSON；Charset=utf8 '，但微信根本不转换！很坑人！

解决方案：对wx.uploadFile的返回值进行json.parse(res.data)来获取json对象。

替换appid和机密

因为官方小程序账号迟迟没有申请，我个人的appid和秘籍在此期间被用于开发。当官方账号准备好了，小程序项目的appid就更新了，内部体验包就发出来了。

这时已经是半夜一点半了，脑子有点发懵。只更新了小程序的appid，忘了更新服务器的appid和秘密。结果我反复报错，没能登录。过了一段时间，反映服务器appi的秘密更新了，但还是用户。我记得我忘记了存储缓存没有被清除，并且其中有一个用户定义的会话。真正的机器体验现在没问题了。但是微信开发者工具再次登录失败。反复摸索后发现，清除所有数据，关闭开发者工具，更换小程序appid后重新打开是正常的。应该是微信开发者工具的bug。

https://ycwu314.github.io/p/miniapp-speech-to-text-experience/

摘要

以上是边肖推出的微信小程序，实现对文字和遇到的坑进行语音识别的功能。希望对大家有帮助。如果你有任何问题，请给我留言，边肖会及时回复你。非常感谢您对我们网站的支持！如果你觉得这篇文章对你有帮助，请转载，请注明出处，谢谢！