腾讯云语音识别本地音频转文字 封装node模块

腾讯云语音识别本地音频转文字 封装node模块 

const fs = require("fs");
const path = require("path");
const AsrClient = require("tencentcloud-sdk-nodejs").asr.v20190614.Client;

/**
 * 分段上传音频文件并通过腾讯云语音识别服务实现语音转文字
 * @param {String} filePath 音频文件的本地路径
 * @param {String} secretId 腾讯云 API 密钥的 SecretId
 * @param {String} secretKey 腾讯云 API 密钥的 SecretKey
 * @param {String} outPath 输出结果的路径  生成的txt srt文件存放处
 * @returns {Promise<String>} 返回语音转换后的文本内容
 */
async function convertAudioToText(filePath, secretId, secretKey ,outPath) {
  // 1. 实例化 SDK 客户端
  const client = new AsrClient({
    credential: {
      secretId,
      secretKey,
    },
    region: "ap-guangzhou",
    profile: {
      httpProfile: {
        endpoint: "asr.tencentcloudapi.com",
      },
    },
  });

  // 2. 读取本地音频文件并转化为 Buffer
  const fileSize = fs.statSync(filePath).size;
  const maxSegmentSize = 5242880; // 5MB
  const buffer = fs.readFileSync(filePath);

  // 3. 将音频文件分段上传并获取识别结果
  const segmentCount = Math.ceil(fileSize / maxSegmentSize);
  let taskIds = []; // 用于保存每个任务的 ID
  let results = {}; // 用于保存每个任务的识别结果
  for (let i = 0; i < segmentCount; i++) {
    const start = i * maxSegmentSize;
    const end = (i + 1) * maxSegmentSize;
    const segmentBuffer = buffer.slice(start, end); // 将音频文件按照指定大小分段
    const params = {
      EngineModelType: "16k_zh", // 指定引擎模型
      ChannelNum: 1, // 指定声道数
      ResTextFormat: 0, // 指定识别结果的格式
      SourceType: 1, // 指定音频数据来源
      Data: segmentBuffer.toString("base64"), // 将分段后的音频数据转化为 base64 编码格式
    };
    const response = await client.CreateRecTask(params); // 调用 CreateRecTask 接口创建任务
    const taskId = response.Data.TaskId; // 从响应中获取任务 ID
    taskIds.push(taskId); // 将任务 ID 存储到 taskIds 数组中
    console.log(`Task ${i + 1} created with ID: ${taskId}`);
  }

  // 4. 轮询任务状态并获取识别结果
  const interval = setInterval(async () => {
    const completedCount = taskIds.filter(id => results[id]).length; // 计算已完成的任务数量
    console.log(`${completedCount}/${segmentCount} tasks completed`);
    if (completedCount === segmentCount) {
      clearInterval(interval); // 如果所有任务都完成，则停止轮询

      results = Object.values(results).reverse();
      console.log('results',results.length , results);

      const finalResult = results.filter(result => result).join(""); // 将所有任务的识别结果拼接在一起
      const finalText = finalResult.replace(/\[\d+:\d+\.\d+,\d+:\d+\.\d+\]\s*/g, ""); // 将所有任务的识别结果拼接在一起

      // 将识别结果保存到文件
      const resultPath = path.join(outPath, "result.txt");
      fs.writeFileSync(path.join(outPath,'resultsrt.txt'), finalResult); // 将识别结果srt保存到文件
      fs.writeFileSync(resultPath, finalText);
      console.log(`All tasks completed. The result has been saved to ${resultPath}.`);

      return finalText;
    }
  }, 1000);

  taskIds.forEach(taskId => {
    pollTaskStatus(client, taskId, results); // 遍历所有任务 ID，轮询任务状态并获取识别结果
  });
}

// 5. 轮询单个任务的状态并获取识别结果
async function pollTaskStatus(client, taskId, results ) {
  const params = {
    TaskId: taskId,
  };
  while (true) {
    const response = await client.DescribeTaskStatus(params); // 调用 DescribeTaskStatus 接口查询任务状态
    const taskStatus = response.Data.Status; // 获取任务状态
    if (taskStatus === 2) { // 如果任务已完成，则获取识别结果
      const result = response.Data.Result;
      console.log(`Task ${taskId} completed with result length: ${result.length}`);
      results[taskId] = result; // 将识别结果存储到 results 数组中
      break;
    } else if (taskStatus === 3) { // 如果任务失败，则打印错误信息
      const errorMessage = response.Data.Message;
      console.log(`Task ${taskId} failed with error: ${errorMessage}`);
      break;
    } else { // 如果任务还在进行中，则继续轮询
      console.log(`Task ${taskId} is in progress.`);
      await sleep(1000);
    }
  }
}

// 辅助函数：暂停指定时间
function sleep(ms) {
  return new Promise(resolve => setTimeout(resolve, ms));
}



module.exports = convertAudioToText;  



// 调用   创建 audio-to-text.js  模块 


// const convertAudioToText = require("./audio-to-text");

// const filePath = "/path/to/audio/file.mp3";
// const secretId = "your_secret_id";
// const secretKey = "your_secret_key";
// const outPath = "outPath";

// convertAudioToText(filePath, secretId, secretKey ,outPath )
//   .then(text => {
//     console.log(text);
//   })
//   .catch(err => {
//     console.error(err);
//   });

最终生成 txt文件 ， 以及字幕srt  txt文件 ，  

过程 ： 选择文件 -> 对大于5mb的音频文件进行分块上传 - > 上传 - > 得到腾讯云返回的 taskId -> 轮询 查询的taskid状态 -> taskids状态为全部完成  - 拼接这些返回的结果 

注意 ： 因为腾讯云 ， 有上传限制 ，一次最大 只能上传 5mb ， 所以 ，对于超过5mb的音频文件 ， 进行分块上传识别 ， 最后拼接这几个分块识别的语音结果  。