java & H5 语音技术实例
荒墨丶迷失 发布于2018-01 浏览:35017 回复:99
15
收藏
最后编辑于2022-04

各位小伙伴们  2018 又和大家见面了!

新的一年还需要继续努力,突破创新......

今天,给大家带来的是 Global-AI1.0 语音技术的内容,什么是Global-AI1.0呢?

Global-AI1.0 是基于百度的AI接口,通过我这边测试和开发,实现了H5的各个技术的应用示例集合项目。

预计会包括语音技术,人脸识别,UNIT,自然语言,以及图像处理的AI应用,有这一些技术实践的小伙伴也可以一起分享。

好啦,说说今天分享的【语音技术】,主要接入语音识别 和 语音合成 ,在之前的帖子中分别简单的介绍这些实现的原理和Demo源码,可以翻一翻之前的帖子!

当然还是收到许多小伙伴的吐槽,毕竟开源有风险的,哈哈 ~

当然今天分享的内容,会在之前的例子上有所改善和突破,总体如下:

1.H5录音 通过音频流文件上传到后台后,不再是保存为wav格式的音频,而是处理流的形式转为二进制数组,直接调用百度语音识别SDK方法,返回识别结果。

2.前端录音操作,不再是手动的点击结束录音然后上传,而是通过音量控制判断是否需要结束,优化了操作体验。

3.语音合成,返回的音频二进制数组,不再是先保存为MP3格式音频,然后前台用audio播放MP3路径,而是将二进制数据传到前台先转base64然后转化为Blob对象,合成一个Blob音频路径,然后audio直接播放这个Blob音频路径即可

总结:就是增加不说话主动停止录音,语音识别和语音合成播放都通过流转化操作,不再保存任何格式文件形式。

当然了,具体还是根据大家反应的建议,努力提供最好的开源,下面看看这个语音交互页面吧!

下面先简单的讲解上面三条内容的实现方式吧~

1.H5录音 通过音频流文件上传到后台后,不再是保存为wav格式的音频,而是处理流的形式转为二进制数组,直接调用百度语音识别SDK方法,返回识别结果。springMVC 用 MultipartFile 来接收前台上传的音频文件

//音频文件 转化为 byte[]
InputStream content = audioData.getInputStream();
ByteArrayOutputStream swapStream = new ByteArrayOutputStream();
byte[] buff = new byte[100];
int rc = 0;
while ((rc = content.read(buff, 0, 100)) > 0) {
	swapStream.write(buff, 0, rc);
}
// 获得二进制数组
byte[] byte1 = swapStream.toByteArray();
String Rtext = vsc.getVoiceBySdk(byte1);
System.out.println("语音识别内容:"+Rtext);
modelMap.put("Rtext", Rtext);

通过上述代码 即可将音频文件转化Byte数组的形式调用语音识别。

 

2.前端录音操作,不再是手动的点击结束录音然后上传,而是通过音量控制判断是否需要结束,优化了操作体验。

// 音频采集
		recorder.onaudioprocess = function(e) {
			var data= e.inputBuffer.getChannelData(0);
			var l = Math.floor(data.length / 10);
	        var vol = 0;
	        for(var i = 0; i < l ; i++){
	            vol += Math.abs(data[i*10]);
	        }
	        emptyCheckCount ++;
	        console.log(vol);
	        if(vol < 30){ //设置音量  数值越大越容易停
	            emptydatacount ++;
	            console.log(emptydatacount);
	            if(emptydatacount > 30){  //设置静音停止次数
	            	console.log('stoped');
	            	self.recordStop();
	            }
	        } else {
	            emptydatacount = 0;
	        }
			audioData.input(e.inputBuffer.getChannelData(0));
		};

音频采集的过程中(录音过程),判断输入音量的大小是否小于设置的值,小于的话就停止录音。

 

3.语音合成,返回的音频二进制数组,不再是先保存为MP3格式音频,然后前台用audio播放MP3路径,而是将二进制数据传到前台先转base64然后转化为Blob对象,合成一个Blob音频路径,然后audio直接播放这个Blob音频路径即可

//根据base64音频数据 转化为 blob对象
	function getBlob(base64Data){
		var dataURI = "data:audio/wav;base64,"+base64Data; //base64 字符串
	    var mimeString =  dataURI.split(',')[0].split(':')[1].split(';')[0]; // mime类型
	    var byteString = atob(dataURI.split(',')[1]); //base64 解码
	    var arrayBuffer = new ArrayBuffer(byteString.length); //创建缓冲数组
	    var intArray = new Uint8Array(arrayBuffer); //创建视图
	    for (i = 0; i < byteString.length; i += 1) {
	         intArray[i] = byteString.charCodeAt(i);
	    }
	    return new Blob([intArray], { type:  "audio/wav" }); //转成blob
	}        

根据后台获取base64音频数据调用上诉的方法 转化为 blob对象,再用window.URL.createObjectURL设置audio的src然后播放~

 

关于如何项目部署,大家可以在本贴下方的源码地址,下载Global-AI1.0 进行测试。

如果在测试过程中有任何问题,欢迎下方留言!

git下载地址:https://gitee.com/liyingming/Global_AI_1.0

收藏
点赞
15
个赞
共99条回复 最后由du4602回复于2022-04
#43goJhou回复于2018-03
#42 荒墨丶迷失回复
感觉这个时间已经差不多了 毕竟无法做到 离线那么快的

我发现paddlepaddle好像没有语音识别的能力

0
#42荒墨丶迷失回复于2018-03
#38 梁欣欣0回复
恩 但是 就两个字的录音 返回时间要在 1.5s 这个感觉 体验效果好差
展开

感觉这个时间已经差不多了 毕竟无法做到 离线那么快的

1
#41goJhou回复于2018-03
#40 梁欣欣0回复
刚试了 sdk ,也得2s左右和 rest api差不多呢

sdk 就是基于API,对各种语言的封装。理论上性能和API是一样的

0
#40梁欣欣0回复于2018-03
#35 卡农LLLL回复
传的什么格式的.restapi本来也要慢点.可以考虑其他sdk

刚试了 sdk ,也得2s左右和 rest api差不多呢

0
#39梁欣欣0回复于2018-03
#37 梁欣欣0回复
谢谢您的回答,我是wav 转 pcm 传的,sdk比rest api能快多少呢
展开

刚试了 sdk ,也得2s左右和 rest api差不多呢

0
#38梁欣欣0回复于2018-03
#36 荒墨丶迷失回复
调用API可能会受网速影响呢

恩 但是 就两个字的录音 返回时间要在 1.5s 这个感觉 体验效果好差

0
#37梁欣欣0回复于2018-03
#35 卡农LLLL回复
传的什么格式的.restapi本来也要慢点.可以考虑其他sdk

谢谢您的回答,我是wav 转 pcm 传的,sdk比rest api能快多少呢

0
#36荒墨丶迷失回复于2018-03
#33 梁欣欣0回复
你好,想请教一下 百度的语音识别 1ms的录音返回识别结果需要大概2s 左右 这个跟网速有关吗 还是跟什么有关系呢?希望得到大神回复
展开

调用API可能会受网速影响呢

1
#35卡农LLLL回复于2018-03

传的什么格式的.restapi本来也要慢点.可以考虑其他sdk

0
#34梁欣欣0回复于2018-03
#33 梁欣欣0回复
你好,想请教一下 百度的语音识别 1ms的录音返回识别结果需要大概2s 左右 这个跟网速有关吗 还是跟什么有关系呢?希望得到大神回复
展开

不好意思,是 1m录音

0
#33梁欣欣0回复于2018-03

你好,想请教一下 百度的语音识别 1ms的录音返回识别结果需要大概2s 左右 这个跟网速有关吗 还是跟什么有关系呢?希望得到大神回复

0
#32一念征途回复于2018-03

刚接触这方面,感觉这个程序写的很棒,非常感谢,真的学习了!!!

0
#30荒墨丶迷失回复于2018-03
#29 灿烂的黄昏回复
在Google chrome浏览器下通过IP或域名访问好像有问题

你好 通过域名的话是没问题的呢 请问你注册https了吗 可以加QQ 563356602 一起探讨

1
#29灿烂的黄昏回复于2018-03

在Google chrome浏览器下通过IP或域名访问好像有问题

0
#28灿烂的黄昏回复于2018-03

在Google chrome浏览器下好像不行

0
#27荒墨丶迷失回复于2018-02
#26 a389233418回复
为什么ip地址访问后录音不起作用

通过IP在本机访问是可以 如果跨服务器了 浏览器就会报错的  这个是需要https协议~

1
#26a389233418回复于2018-02

为什么ip地址访问后录音不起作用

0
#24那你去哪啦回复于2018-01

哇,学到了学到了!

0
#23荒墨丶迷失回复于2018-01
#21 a13531732231回复
很实用,谢谢楼主!

不客气。期待更多问题和建议。嘿嘿

1
#21a13531732231回复于2018-01

很实用,谢谢楼主!

0
TOP
切换版块