java & H5 语音技术实例
置顶
荒墨丶迷失 发布于2018-01-05 17:37 浏览:1464 回复:24
3
收藏
快速回复

各位小伙伴们  2018 又和大家见面了!

新的一年还需要继续努力,突破创新......

今天,给大家带来的是 Global-AI1.0 语音技术的内容,什么是Global-AI1.0呢?

Global-AI1.0 是基于百度的AI接口,通过我这边测试和开发,实现了H5的各个技术的应用示例集合项目。

预计会包括语音技术,人脸识别,UNIT,自然语言,以及图像处理的AI应用,有这一些技术实践的小伙伴也可以一起分享。

好啦,说说今天分享的【语音技术】,主要接入语音识别 和 语音合成 ,在之前的帖子中分别简单的介绍这些实现的原理和Demo源码,可以翻一翻之前的帖子!

当然还是收到许多小伙伴的吐槽,毕竟开源有风险的,哈哈 ~

当然今天分享的内容,会在之前的例子上有所改善和突破,总体如下:

1.H5录音 通过音频流文件上传到后台后,不再是保存为wav格式的音频,而是处理流的形式转为二进制数组,直接调用百度语音识别SDK方法,返回识别结果。

2.前端录音操作,不再是手动的点击结束录音然后上传,而是通过音量控制判断是否需要结束,优化了操作体验。

3.语音合成,返回的音频二进制数组,不再是先保存为MP3格式音频,然后前台用audio播放MP3路径,而是将二进制数据传到前台先转base64然后转化为Blob对象,合成一个Blob音频路径,然后audio直接播放这个Blob音频路径即可

总结:就是增加不说话主动停止录音,语音识别和语音合成播放都通过流转化操作,不再保存任何格式文件形式。

当然了,具体还是根据大家反应的建议,努力提供最好的开源,下面看看这个语音交互页面吧!

下面先简单的讲解上面三条内容的实现方式吧~

1.H5录音 通过音频流文件上传到后台后,不再是保存为wav格式的音频,而是处理流的形式转为二进制数组,直接调用百度语音识别SDK方法,返回识别结果。springMVC 用 MultipartFile 来接收前台上传的音频文件

//音频文件 转化为 byte[]
InputStream content = audioData.getInputStream();
ByteArrayOutputStream swapStream = new ByteArrayOutputStream();
byte[] buff = new byte[100];
int rc = 0;
while ((rc = content.read(buff, 0, 100)) > 0) {
	swapStream.write(buff, 0, rc);
}
// 获得二进制数组
byte[] byte1 = swapStream.toByteArray();
String Rtext = vsc.getVoiceBySdk(byte1);
System.out.println("语音识别内容:"+Rtext);
modelMap.put("Rtext", Rtext);

通过上述代码 即可将音频文件转化Byte数组的形式调用语音识别。

 

2.前端录音操作,不再是手动的点击结束录音然后上传,而是通过音量控制判断是否需要结束,优化了操作体验。

// 音频采集
		recorder.onaudioprocess = function(e) {
			var data= e.inputBuffer.getChannelData(0);
			var l = Math.floor(data.length / 10);
	        var vol = 0;
	        for(var i = 0; i < l ; i++){
	            vol += Math.abs(data[i*10]);
	        }
	        emptyCheckCount ++;
	        console.log(vol);
	        if(vol < 30){ //设置音量  数值越大越容易停
	            emptydatacount ++;
	            console.log(emptydatacount);
	            if(emptydatacount > 30){  //设置静音停止次数
	            	console.log('stoped');
	            	self.recordStop();
	            }
	        } else {
	            emptydatacount = 0;
	        }
			audioData.input(e.inputBuffer.getChannelData(0));
		};

音频采集的过程中(录音过程),判断输入音量的大小是否小于设置的值,小于的话就停止录音。

 

3.语音合成,返回的音频二进制数组,不再是先保存为MP3格式音频,然后前台用audio播放MP3路径,而是将二进制数据传到前台先转base64然后转化为Blob对象,合成一个Blob音频路径,然后audio直接播放这个Blob音频路径即可

//根据base64音频数据 转化为 blob对象
	function getBlob(base64Data){
		var dataURI = "data:audio/wav;base64,"+base64Data; //base64 字符串
	    var mimeString =  dataURI.split(',')[0].split(':')[1].split(';')[0]; // mime类型
	    var byteString = atob(dataURI.split(',')[1]); //base64 解码
	    var arrayBuffer = new ArrayBuffer(byteString.length); //创建缓冲数组
	    var intArray = new Uint8Array(arrayBuffer); //创建视图
	    for (i = 0; i < byteString.length; i += 1) {
	         intArray[i] = byteString.charCodeAt(i);
	    }
	    return new Blob([intArray], { type:  "audio/wav" }); //转成blob
	}        

根据后台获取base64音频数据调用上诉的方法 转化为 blob对象,再用window.URL.createObjectURL设置audio的src然后播放~

 

关于如何项目部署,大家可以在本贴下方的源码地址,下载Global-AI1.0 进行测试。

如果在测试过程中有任何问题,欢迎下方留言!或者加QQ 563356602

git下载地址:https://gitee.com/liyingming/Global_AI_1.0

收藏
点赞
3
个赞
共24条回复 最后由那你去哪啦回复于2018-01-19 10:07
#2goJhou回复于2018-01-05

强势沙发霸占现场

2
#3荒墨丶迷失回复于2018-01-05

呕心沥血之作 嘿嘿 

1
#4卡农LLLL回复于2018-01-08

gitee点星才是真爱.哈哈

1
#5荒墨丶迷失回复于2018-01-08
#4 卡农LLLL回复
gitee点星才是真爱.哈哈

哈哈。感谢卡农的真爱。么么哒~

1
#6卡农LLLL回复于2018-01-09
#5 荒墨丶迷失回复
哈哈。感谢卡农的真爱。么么哒~

感谢大神的技术分享才是真的.

1
#7荒墨丶迷失回复于2018-01-09
#6 卡农LLLL回复
感谢大神的技术分享才是真的.

卡农兄  你的2018第一炮 哦不 第一贴 什么时候出来哇~

1
#8goJhou回复于2018-01-10
#7 荒墨丶迷失回复
卡农兄  你的2018第一炮 哦不 第一贴 什么时候出来哇~

第一炮, 啊不  第一贴 哈哈哈哈  @卡农LLLL

1
#9荒墨丶迷失回复于2018-01-10
#8 goJhou回复
第一炮, 啊不  第一贴 哈哈哈哈  @卡农LLLL

干啥学我呢 哈哈

1
#10卡农LLLL回复于2018-01-11

你们学坏了啊....

1
#11卡农LLLL回复于2018-01-11

很快就发一个..

1
#12荒墨丶迷失回复于2018-01-11
#10 卡农LLLL回复
你们学坏了啊....

都是跟go大神学的  哇塞 大神3600的积分了

1
#13荒墨丶迷失回复于2018-01-11
#11 卡农LLLL回复
很快就发一个..

期待期待~ 提前透露一下发的关于什么呢

1
#14卡农LLLL回复于2018-01-11
#13 荒墨丶迷失回复
期待期待~ 提前透露一下发的关于什么呢

准备发个cordova的插件..年底很忙.没搞其他东西呢.

1
#15goJhou回复于2018-01-11
#14 卡农LLLL回复
准备发个cordova的插件..年底很忙.没搞其他东西呢.

可以的,插件开发者卡农

1
#16荒墨丶迷失回复于2018-01-11
#14 卡农LLLL回复
准备发个cordova的插件..年底很忙.没搞其他东西呢.

这是一个怎么样的插件呢  期待~

1
#17卡农LLLL回复于2018-01-12

http://ai.baidu.com/forum/topic/show/497491

快去给我点赞.我厚颜无耻的先点了一个.

1
#18荒墨丶迷失回复于2018-01-12
#17 卡农LLLL回复
http://ai.baidu.com/forum/topic/show/497491 快去给我点赞.我厚颜无耻的先点了一个.
展开

OKOK 已经过去支持了 嘿嘿~

1
#192841820156hehe回复于2018-01-13

博主你好,很强大但是部署起来之后,点击录音后保存,后台一直报3301的错误。

{"err_msg":"speech quality error.","sn":"230799438281515834061","err_no":3301}
语音识别内容:
[B@3d892152

没有识别到任何东西,请问博主是怎么解决的?

0
#20荒墨丶迷失回复于2018-01-13
#19 2841820156hehe回复
博主你好,很强大但是部署起来之后,点击录音后保存,后台一直报3301的错误。 {"err_msg":"speech quality error.","sn":"230799438281515834061","err_no":3301} 语音识别内容: [B@3d892152 没有识别到任何东西,请问博主是怎么解决的?
展开

你好这个问题可能是你的麦克风问题。可以一步一步排除。首先确定麦克风可以录音。然后把录音之后的音频 通过流保存音频文件 然后听一下有没有声音。具体可加qq一起探讨

1
#21a13531732231回复于2018-01-18

很实用,谢谢楼主!

0
TOP
切换版块