小程序语音识别报错:No valid data found in input audio

在开发项目的过程中,需要对小程序收集的语音进行语音识别,但是调用STTAPI接口的时候却返回无效的音频文件,百思不得其解???

这是小程序的语音录音设置

javascript 复制代码
   options: {
        duration: 60000,           // 最长录制时间 60秒(单位为毫秒)
        format: 'wav',             // 音频格式使用 WAV
        sampleRate: 16000,         // 采样率设置为 16kHz
        encodeBitRate: 96000,      // 编码比特率 (256kbps,可以根据需求调整)
        numberOfChannels: 1,       // 单声道音频
       },

虽然小程序给你返回了一个后缀为wav格式的,但是其实里面的数据格式并不是一个标准的wav格式,其实是一个webm的文件,也就是为什么API会报错一个无效的音频文件,因为接口并不支持webm文件的音频识别。

那么我在java中做了如下处理,把webm转为一个标准wav格式
首先需要下载
ffmpeg

仅供参考

java 复制代码
 @PostMapping("/voiceGame")
    public Results<String> Vstart(@RequestParam("file") MultipartFile file) throws IOException, InterruptedException, URISyntaxException, NoSuchAlgorithmException, InvalidKeyException {
        // FFmpeg 的路径
        String ffmpegPath = "D:\\ffmpeg\\ffmpeg-master-latest-win64-gpl-shared\\bin\\ffmpeg.exe";

        // 1. 将上传的文件保存到临时目录
        File webmFile = File.createTempFile("input", ".webm");
        try (FileOutputStream fos = new FileOutputStream(webmFile)) {
            fos.write(file.getBytes());
        }
        System.out.println("WebM文件保存完成");

        // 2. 转换 WebM 文件到 WAV 文件
        File wavFile = File.createTempFile("output", ".wav");

        // 使用 ProcessBuilder 构建 FFmpeg 转换命令
        String[] command = {
                ffmpegPath,
                "-y",                         // 自动覆盖输出文件
                "-i", webmFile.getAbsolutePath(),
                "-t", "30",                   // 限制转换时长为30秒
                "-acodec", "pcm_s16le",       // 强制使用 PCM 编码
                "-ar", "16000",               // 设置采样率 16000 Hz
                wavFile.getAbsolutePath()
        };

        ProcessBuilder processBuilder = new ProcessBuilder(command);
        processBuilder.redirectErrorStream(true); // 合并标准输出和错误输出
        Process process = processBuilder.start();

        // 捕获 FFmpeg 输出
        try (BufferedReader reader = new BufferedReader(new InputStreamReader(process.getInputStream()))) {
            String line;
            while ((line = reader.readLine()) != null) {
                System.out.println("FFmpeg output: " + line);
            }
        }

        // 设置超时等待
        boolean completed = process.waitFor(60, TimeUnit.SECONDS);
        if (!completed) {
            process.destroy();
            return Results.error("FFmpeg 转换超时!");
        }

        // 检查 FFmpeg 是否成功
        int exitCode = process.waitFor();
        if (exitCode != 0) {
            return Results.error("转换 WebM 文件到 WAV 失败!");
        }
        System.out.println("转换完成");

        // 3. 将转换后的 WAV 文件读取为字节数组
        byte[] wavBytes = Files.readAllBytes(wavFile.toPath());

        // 4. 将字节数组传递给语音识别
        String recognitionResult = sttStreamClient.STT(wavBytes);

        // 5. 删除临时文件
        webmFile.delete();
        wavFile.delete();

        // 返回语音识别结果
        return Results.success(recognitionResult);
    }
相关推荐
G.E.N.36 分钟前
开源!RAG竞技场(2):标准RAG算法
大数据·人工智能·深度学习·神经网络·算法·llm·rag
西西弗Sisyphus1 小时前
如果让计算机理解人类语言- Word2Vec(Word to Vector,2013)
人工智能·word·word2vec
前端双越老师1 小时前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子1 小时前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger2 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼2 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339863 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室4 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
灵智工坊LingzhiAI4 小时前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
昨日之日20064 小时前
Video Background Remover V3版 - AI视频一键抠像/视频换背景 支持50系显卡 一键整合包下载
人工智能·音视频