WAV为微软公司开发的一种声音文件格式,它符合RIFF(Resource Interchange File Format)文件规范,用于保存Windows平台的音频信息资源,被Windows平台及其应用程序所广泛支持。
由于项目中需要接入讯飞的语音听写进行快速录入,并且同时保存语音文件。讯飞语音听写的SDK只支持保存语音文件为pcm或者wav这两种格式。讯飞的语音听写服务有很多限制,比如前后端点允许静音最长10秒、一次听写连续不能超过60秒。项目中需要支持长时间不间断语音听写,和产品怼了很久,经过不懈的抗争,最后还是我妥协了。讯飞语音听写的SDK提供了一些回调,在超时中断时,会回调onEndOfSpeech方法,这样我们就可以在这里马上重新开始启动听写。但是这会引起另一个问题,录制的音频文件最后是一段一段的,最后还得把他们进行拼接。第一次使用讯飞的语音听写SDK,不是很熟,不知道有没有哪位大神有更好的解决办法,求赐教啊啊啊啊。。。
寻找了很久,在Android的API中没找到可以实现wav拼接的方法,只能自己去实现了。万幸的是wav格式的结构还比较简单。
WAV文件格式
(本来是使用table编辑的表格,简书上竟然不支持,没办法只能截了个图放上来了)
可以看出,WAV文件主要是以四种chunk组成,这里我们分别称呼为riff chunk、fmt chunk、fact chunk和data chunk,其中fact chunk不是必须的,大部分时候的没有。所以我在查阅资料的额时候,发现很多解析WAV文件的代码都直接认为其只有固定的44字节的头部。
此格式来源于百度百科,奇怪的是维基百科中也认为WAV具有一个44字节的固定头部,如果哪位大神知道的,可以告诉我一下。
WAV拼接实现方法
由于这里采集的音频相关参数一致,做我们去其中一段的头部作为拼接后的音频的头部。但是也不是这样就可以了。从上面WAV的格式中可以看出,头部中两个位置的数据需要修改。1、riff chunk中的size值;2、data chunk的size值。因此可以先将其他数据的data chunk部分的数据追加到结果文件中,最后写入这两个地方的值。
好了,是时候上代码了。。。
实现代码
public class WavMergeUtil {
public static void mergeWav(List<File> inputs, File output) throws IOException {
if (inputs.size() < 1) {
return;
}
FileInputStream fis = new FileInputStream(inputs.get(0));
FileOutputStream fos = new FileOutputStream(output);
byte[] buffer = new byte[