html语音上传,语音识别—前端录音上传服务器进行语音识别

采用前端录音，Websocket搭建Node服务器，音频对象Blob使用Websocket传给后端服务器后写入本地音频文件，然后调用百度AI语音识别本地音频文件，最后将识别结果传给前端显示。

百度语音识别

查看文档知道了我想要的信息，如果想要实现实时语音识别、长时间段的语音、唤醒词功能、语义解析功能，需要使用Android、IOS SDK或者Linux C++ SDK版本，而我使用的Nodejs SDK是不支持的。

1、规格参数要求

语音时长上线为60s，超出讲返回错误

原始录音文件为pcm、wav或者amr格式，不区分大小写，推荐使用pcm

录音采样率为16000，声道为单通道

支持普通话、英文、粤语、四川话

项目结构

调用百度AI平台语音识别的Nodejs SDK，查看文档快速入门，可以查看如何调用。

首先将nodejs-sdk下载下来，下载后将目录里的speech文件夹拷贝到你的项目文件夹中，其中assets是存放录音音频的地方，然后进入node文件夹下的位置进行安装依赖包：

npm install

我的项目文件夹目录如下：

audio_asr_baidu

├─ package-lock.json

└─ speech

├─ .gitignore

├─ assets

│ ├─ 16k_test.pcm

│ └─ recorder.wav

├─ cpp

│ ├─ .gitignore

│ ├─ README.md

│ ├─ build.sh

│ └─ main.cpp

└─ node

├─ .gitignore

├─ README.md

├─ RecordRTC.js

├─ index.html

├─ main.js

├─ node_modules

├─ package-lock.json

├─ package.json

└─ style.css

然后在node文件夹里的index.html是我的客户端文件，main.js是我的服务端文件。

搭建Websocket服务器

在main.js文件里搭建websocket服务器，首先安装相关依赖模块：

npm i ws -S

然后搭建：

let Server = require('ws'