一、场景
项目需求需要App实现声纹识别功能,调用科大讯飞接口:
其接口要求音频文件格式为mp3
二、问题产生
在安卓端根据官方文档说明,系统并不支持直接录制mp3格式音频,支持格式如下:
支持的媒体格式 | Android media | Android Developers
苹果端也有类似情况:
简单来说,移动端系统支持pcm 或者 wav 这种原始音频文件信息,文件比较大,而科大讯飞接口需要提供压缩后文件比较小的mp3格式音频,因此就需要进行转换处理了。
三、功能实现
刚开始在安卓端查到的资料大多为使用lame库来进行转换处理:
Android集成LAME库,实现pcm转mp3_安卓lame-CSDN博客
但是看到这种需要NDK 开发,并且这个功能以后也不常用,对于框架的维护起来比较麻烦。所以想着换个思路,是否让后端来进行这个转换工作,因为苹果端以后也要进行转码操作,如果java后端实现了,则可以免去移动端两端的烦恼。
查询java端的思路也还是使用lame库或者ffmpeg 库,但是找到几个开源库都是这种star很少的,例如:
https://blog.csdn.net/Fan_1504251998/article/details/126345408
然后应用时不成成功,报各种错误,无法正常转换。
找到一个star 多一点也是如此,例如:
就在这种反复尝试无果时,又问了下大模型,给出的其他方案中有使用ffmpeg 转码的,于是想到了之前自己在增加视频关键帧时,曾经下载用命令尝试过,于是查了一下音频转码的命令:
ffmpeg -y -f 采样格式 -ac 声道数 -ar 采样率 -acodec pcm_s16le -i PCM源文件 MP3目标文件
将安卓端录制的pcm音频文件放置到了工具目录下运行:
ffmpeg.exe -y -f s16be -ac 1 -ar 16000 -acodec pcm_s16le -i test_audio.pcm converted.mp3
转换出来的mp3文件能够正常播放,并且使用科大讯飞接口能够成功进行调用。
于是格局打开,思路豁然开朗,感觉大有可为。
继续查询安卓端是否可以直接使用ffmpeg库,而不需要想lame 那样的NDK开发方式,GPT给出了如下引用库: implementation 'com.arthenica:ffmpeg-kit-full:5.1.LTS'
使用方式:
String command = String.format("-y -f s16be -ac 1 -ar 16000 -acodec pcm_s16le -i %s %s",wavPath, mp3Path);
FFmpegSession session = FFmpegKit.execute(command);
if (session.getReturnCode().isSuccess(session.getReturnCode())) {
Log.d("FFmpeg", "WAV to MP3 conversion successful");
} else {
Log.e("FFmpeg", "WAV to MP3 conversion failed: " + session.getFailStackTrace());
}
实现了安卓端的音频mp3转换