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
Csvn37 分钟前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健1 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道1 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor9962 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队3 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术3 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能
Forget the Dream4 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴4 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区5 小时前
豆包工作,3 个月,800 万,20 亿
人工智能
Chuck.li5 小时前
AI 长篇创作工具选型:工作流对照与自测清单
人工智能·大模型·ai写作·网文作者·ai网文·豆包写作