1

node.js でブラウザ上で Azure speech api を使用して音声テキスト変換のデモを作成しています。API ドキュメントhereによると、.wav または .ogg ファイルが必要であると指定されています。しかし、下の例では、バイト データを api に送信することで api 呼び出しを行います。

だから私はすでにマイクからデータをバイト配列形式で取得しています。それをバイトに変換してapiに送るのは正しいパスですか？それとも、.wav ファイルとして保存してから API に送信する方がよいでしょうか?

以下は私のコードです。

これはマイク部分からのストリームです。


navigator.mediaDevices.getUserMedia({ audio: true })
    .then(stream => { handlerFunction(stream) })

function handlerFunction(stream) {
    rec = new MediaRecorder(stream);
    rec.ondataavailable = e => {
        audioChunks.push(e.data);
        if (rec.state == "inactive") {
            let blob = new Blob(audioChunks, { type: 'audio/wav; codec=audio/pcm; samplerate=16000' });
            recordedAudio.src = URL.createObjectURL(blob);
            recordedAudio.controls = true;
            recordedAudio.autoplay = true;
            console.log(blob);
            let fileReader = new FileReader();
            var arrayBuffer = new Uint8Array(1024);
            var reader = new FileReader();
            reader.readAsArrayBuffer(blob);
            reader.onloadend = function () {
                var byteArray = new Uint8Array(reader.result);
                console.log("reader result" + reader.result)
                etTimeout(() => getText(byteArray), 1000);
            }
        }
    }
}

これはAPI呼び出し部分です


function getText(audio, callback) {
    console.log("in function audio " + audio);
    console.log("how many byte?: " + audio.byteLength)
    const sendTime = Date.now();
    fetch('https://westus.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US', {
        method: "POST",
        headers: {
            'Accept': 'application/json',
            'Ocp-Apim-Subscription-Key': YOUR_API_KEY,
            // 'Transfer-Encoding': 'chunked',
            // 'Expect': '100-continue',
            'Content-type': 'audio/wav; codec=audio/pcm; samplerate=16000'
        },
        body: audio
    })
        .then(function (r) {
            return r.json();
        })
        .then(function (response) {
            if (sendTime < time) {
                return
            }
            time = sendTime
            //callback(response)
        }).catch(e => {
            console.log("Error", e)
        })
}

で戻り、400 (Bad Request)次のように言います：

{メッセージ: 「サポートされていないオーディオ形式です」}

4

1 に答える 1

2

理由：

mimeType をMediaRecorder使用して を作成していないことに注意してくださいaudio/wav

new Blob(audioChunks,{type:'audio/wav; codec=audio/pcm; samplerate=16000'})

このステートメントは、blob の説明のみです。Chrome（v71）を次のようにテストしisTypeSupportedます：

MediaRecorder.isTypeSupported("audio/wav")  // return false
MediaRecorder.isTypeSupported("audio/ogg")  // return false
MediaRecorder.isTypeSupported("audio/webm") // return true

MediaRecorder は音声のみを に記録するようですaudio/webm。また、Chrome で次のコードを実行すると、デフォルトrec.mimeTypeはaudio/webm;codecs=opus

rec = new MediaRecorder(stream);

オーディオ形式の要件によると、audio/webmはまだサポートされていません。

アプローチ：

呼び出す前に、まず を にgetText()変換する必要がありwebmますwav。そのために役立つライブラリはたくさんあります。コードの前にJam3 のスクリプトをコピーして、次のように変換webmしwavます。

    // add Jam3's script between Line 2 and Line 94 or import that module as you like

    // create a audioContext that helps us decode the webm audio
    var audioCtx = new (window.AudioContext || window.webkitAudioContext)();

    rec = new MediaRecorder(stream,{
        mimeType : 'audio/webm',
        codecs : "opus",
    });

    // ...

    rec.ondataavailable = e => {
        audioChunks.push(e.data);
        if (rec.state == "inactive") {
            var blob = new Blob(audioChunks, { 'type': 'audio/webm; codecs=opus' });
            var arrayBuffer;
            var fileReader = new FileReader();
            fileReader.onload = function(event) {
                arrayBuffer = event.target.result;
            };
            fileReader.readAsArrayBuffer(blob);
            fileReader.onloadend=function(d){
                audioCtx.decodeAudioData(
                    fileReader.result,
                    function(buffer) {
                        var wav = audioBufferToWav(buffer);
                        setTimeout(() => getText(wav), 1000);
                    },
                    function(e){ console.log( e); }
                );
            };
        }
    }

そして、それは私にとってはうまくいきます：

ここに画像の説明を入力

補足として、バックエンドを使用して音声文字変換サービスを呼び出すことをお勧めします。ブラウザーでazure サービスを呼び出さないsttでください。これは、サブスクリプション キーをフロント エンドに公開することは非常に危険だからです。誰でもネットワークを調べてキーを盗むことができます。

于 2019-01-14T08:33:41.277 に答える