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
罗西的思考37 分钟前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes1 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV2 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J3 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒3 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术3 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
字节跳动开源4 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon4 小时前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
衡石科技4 小时前
企业级 BI 的安全治理:衡石如何贯通认证、数据权限与审计
大数据·人工智能·安全·商业智能
网易云信4 小时前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能