更多騰訊海量技術文章， 請關注雲加社區：https://cloud.tencent.com/developer
作者：Jason
微信小程式的基礎庫升級到了 1.6.0 之後， 提供了許多新的 API， 其中新增了錄音管理的 API， 不同於以前只有wx.startRecord和wx.stopRecord兩個簡單的錄音功能， 新的wx.getRecorderManager介面提供了包括擴展時長、取樣速率、錄音通道、碼率、格式等在內的許多配置項。 基於此， 我們能更加輕鬆的控制錄音， 新提供的onFrameRecorded的事件， 甚至可以實現流式語音辨識。
本文就介紹一下使用 Wafer Node.js SDK 提供的騰訊雲智慧語音辨識介面來實現錄音轉文字的功能。 請您先從 Github 下載語音辨識 Demo， 本文會根據 Demo 來介紹 SDK 中語音辨識介面的使用。
使用語音辨識需要開通騰訊雲智慧語音。
打開server/config.js， 添加上qcloudAppId， qcloudSecretId， qcloudSecretKey三個配置項， 並在代碼目錄中打開 CMD， 運行如下代碼：
cd server && npm i安裝完成依賴， 選擇小程式開發者工具右上角的【騰訊雲】按鈕， 點擊【上傳測試環境】上傳代碼到測試環境中， 一鍵部署程式。 你也可以自行部署代碼， 部署過程同《自行部署 Node.js Demo》， 這裡不再介紹。
最終實現的效果如下：
具體是如何實現的呢？接下來我們來分析一下 Demo 裡的有關代碼。
首先查閱 SDK API 文檔可知， SDK 提供的語音辨識介面是分片識別介面， 原理是將語音檔切分成一個個分片， 將每個分片以buffer格式傳入介面， 最後一個分片調用介面時需要將isEnd參數置為true， 最後會返回完整的識別結果， 以此來流式識別語音。
由於智慧語音辨識只支援以下幾種編碼格式的音訊檔：
pcm
adpcm
feature
speex
amr
silk
wav
所以小程式端通過recorderManager獲取到的錄音檔需要提前轉換為這幾種格式中的一種， 然後才能識別。 Demo 裡選擇了將mp3格式轉換為wav格式檔的形式。
Demo 中採用了ffmpeg對語音檔進行轉碼， 使用ffmpeg的前提是需要在環境中安裝ffmpeg， 然後在 Node.js 中使用fluent-ffmpeg調用ffmpeg實現轉碼。
注意：ffmpeg
並沒有默認預裝在開發環境和生產環境中，
如果您需要使用語音辨識的轉碼功能，
可以提交工單，
我們會為您配置好環境。
打開 Demo 中的server/controllers/recognize.js檔， 首先調用了multiparty從請求體中讀取出上傳上來的音訊資料， 接著對語音的類型進行一些判斷。
...const { files } = await resolveUploadFileFromRequest(ctx.req);...if (!resultType || !['audio/mpeg', 'audio/mp3'].includes(resultType.mime)) {throw new Error('上傳的檔案格式不是 mp3')}...第 46 行開始對音訊檔進行處理， 首先先生成了voiceId， voiceId告訴了語音辨識介面每個語音分片屬於哪個語音， 每個語音的voiceId應當是唯一的。
接著調用了convertMp3ToWav函數對語音進行轉換， convertMp3ToWav 函數的實現如下：
/*** mp3 轉 wav* @param {string} srcPath 原始檔案地址* @param {string} newPath 新文件地址*/function convertMp3ToWav (srcPath, newPath) {return new Promise((resolve, reject) => {ffmpeg(srcPath).format('wav').on('error', reject).on('end', function () {resolve(newPath)}).save(newPath)})}由於每次識別的檔大小最好不要超過 10K byte， 所以需要對音訊檔進行切片， 原理就是將音訊檔讀取為 buffer， 然後按每 9K byte 大小切片識別。
// 將文件讀取為 Bufferconst voiceBuffer = fs.readFileSync(newVoicePath);const taskList = [];let leftBufferSize = 0;let idx = 0;// 按 9K 大小切分分片並識別while (leftBufferSize < voiceBuffer.length) {const newBufferSize = leftBufferSize + 9 * 1024;// 切分分片const chunk = voiceBuffer.slice(leftBufferSize,newBufferSize > voiceBuffer.length ? voiceBuffer.length : newBufferSize )// 提交每個切片去識別，以上就是語音辨識 Demo 代碼的分析， 您可以直接運行 Demo， 在手機端真機調試體驗。
注意：開發者工具的錄音介面返回的資料不是 MP3 格式， 與真機行為不完全相同， 所以錄音相關的測試請直接使用真機調試。