一,下载SDK,获取.pcm格式的语音文件
利用科大讯飞的SDK实现语音转文字的功能,首先可以登录科大讯飞的官网查看“语音听写Java SDK文档”语音听写 Java SDK 文档 | 讯飞开放平台文档中心 (xfyun.cn),下载Java SDK的链接是快速指引 | 讯飞开放平台文档中心 (xfyun.cn)需要先进行注册在下载SDK。语音听写下载图中的Java MSC
这里需要将服务接口认证信息保存在开始时需要使用
下载完sdk如图所示解压
解压完成后,直接用idea打开
\Java_iat1021_03e05010\sample\MscDemo
打开项目后运行程序
运行程序的主要目的是录取一段PCM格式的录音,用于我们自己的项目。运行完的结果如下:
先设置保存音频的开关为开,然后点击“开始听写”,进行录音。这里是需要通过设备“前端点超时”和“后端点的超时”我的分别是5000,10000.这里设置他们,相当于是设置停顿时间,目的是在听写时根据停顿在转换为文字。在我们的程序中也要设置这两项,且要和这里设置的一样,不然会出现一次可以完全转换完,一次又出现未知错误的情况。如图所示:
前期准备工作完成,也有了PCM文件可以开始我们的代码开发了。
二、语音转文字的代码
创建项目,在项目的路径下,创建lib文件,将SDK中的json-jena-1.0.jar和Msc.jar贴过来。
在项目路径下再将SDK中的以下4个文件也粘贴过来。
创建pom依赖
<!--科大讯飞语音听写的sd依赖-->
<dependency><groupId>com.hp.hpl.jena</groupId><artifactId>json-jena</artifactId><version>1.0</version>
</dependency>
<dependency><groupId>com.iflytek</groupId><artifactId>msc</artifactId><version>1.0</version><scope>system</scope><systemPath>${project.basedir}/lib/Msc.jar</systemPath>
</dependency>
下面时具体的代码
package com.example.xhydome1.util.speechRecognition;import com.iflytek.cloud.speech.*;
import org.apache.http.entity.ContentType;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.mock.web.MockMultipartFile;
import org.springframework.web.multipart.MultipartFile;
import java.io.*;public class IatTool {private static Logger LOGGER = LoggerFactory.getLogger(IatTool.class);private StringBuilder curRet;private SpeechRecognizer recognizer;private Object lock = new Object();public IatTool(String appId){LOGGER.info("------Speech Utility init iat------");SpeechUtility.createUtility(SpeechConstant.APPID + "=" + appId);}public String RecognizePcmfileByte(MultipartFile audioFile) {curRet = new StringBuilder();try {if (recognizer == null) {//以下设置转换参数recognizer = SpeechRecognizer.createRecognizer();recognizer.setParameter(SpeechConstant.AUDIO_SOURCE, "-1");recognizer.setParameter( SpeechConstant.RESULT_TYPE, "plain" );recognizer.setParameter(SpeechConstant.VAD_BOS,"5000");//前端点超时,recognizer.setParameter(SpeechConstant.VAD_EOS,"10000");//后端点超时要与运行SDK时配置的一样}recognizer.startListening(recListener);byte[] buffer = audioFile.getBytes();if (buffer == null || buffer.length == 0) {LOGGER.error("no audio avaible!");recognizer.cancel();} else {int lenRead = buffer.length;System.out.println("文件长度"+buffer.length);recognizer.writeAudio( buffer, 0, lenRead );recognizer.stopListening();synchronized (lock) {lock.wait();//主线程等待}System.out.println(curRet.toString());return curRet.toString();}} catch (Exception e) {e.printStackTrace();}return null;}private RecognizerListener recListener = new RecognizerListener() {@Overridepublic void onBeginOfSpeech() {LOGGER.info( "onBeginOfSpeech enter" );}@Overridepublic void onEndOfSpeech() {LOGGER.info( "onEndOfSpeech enter" );}/*** 获取听写结果*/@Overridepublic void onResult(RecognizerResult results, boolean islast) {LOGGER.info( "onResult enter" );
//可以用json解析器解析为json格式,,参考AsrSpeechView中inResult函数String text = results.getResultString();curRet.append(text);//System.out.println("解析结果"+curRet.toString());if( islast ) {synchronized (lock) {lock.notify();//子线程唤醒}}}@Overridepublic void onVolumeChanged(int volume) {LOGGER.info( "onVolumeChanged volume=" + volume);}@Overridepublic void onError(SpeechError error) {LOGGER.error( "onError enter" );if (null != error) {LOGGER.error("onError Code:" + error.getErrorCode() + "," + error.getErrorDescription(true));}}@Overridepublic void onEvent(int eventType, int arg1, int agr2, String msg) {LOGGER.info( "onEvent enter" );//以下代码用于调试,如果出现问题可以将sid提供给讯飞开发者,用于问题定位排查/*if(eventType == SpeechEvent.EVENT_SESSION_ID) {DebugLog.Log("sid=="+msg);}*/}};public static void main(String args[]) throws IOException {IatTool iatTool=new IatTool("03e05010");File file = new File("D://0_JAVA_program//xhydome1//xhydome1//iat_test.pcm");FileInputStream fileInputStream = new FileInputStream(file);MultipartFile multipartFile = new MockMultipartFile(file.getName(), file.getName(),ContentType.APPLICATION_OCTET_STREAM.toString(), fileInputStream);iatTool.RecognizePcmfileByte(multipartFile);}
}
运行结果如下: