node對接百度語音識別

node對接百度語音識別

官方文檔

• 文檔地址： 點這裏：http://ai.baidu.com/docs#/ASR-API/77e2b22e

第一步

• 進入控制檯
• 人工智能
• 語音識別
• 先創建應用：獲得appid、apikey、secritkey

第二步

• 創建一個文件夾test
• cd test 進入文件夾
• 創建index.js文件
• 安裝依賴：npm i baidu-aip-sdk

示例代碼說明

• 百度語音需要的格式是pcm，所以需要轉碼

• 轉碼用的是ffmpeg：

  • 由於node版本更新後，npm上的ffmpeg 包使用不上，則採用命令行使用官方下載的 build 包
  • 官方地址：點這裏：http://ffmpeg.org/ffmpeg.html
  • 百度語音使用ffmpeg的使用說明：點這裏：https://ai.baidu.com/docs#/ASR-Tool-convert/ec5eb053

• 這裏比較煩的是ffmpeg的配置，由於linux和Windows不同，所以配置環境變量的方式也不一樣

• 配置windows
  

  • 設置命令行執行指令：
    

  set path=D:\dev\ffmpeg-20180903-23fe072-win64-static\bin;%path%
  call ffmpeg -y -i 【音頻路徑】 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 【轉碼後存放音頻路徑】

配置linux

• 設置命令行執行指令：
  

export PATH=$PATH:/data/ffmpeg/ffmpeg-git-20180831-64bit-static
ffmpeg -y -i 【音頻路徑】 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 【轉碼後存放音頻路徑】

如何在代碼中執行指令：

• nodejs給我們提供了，子進程的方法

  • 官方文檔有提供示例

      const exec = require('child_process').exec; // node自帶的子進程方法
  
      // 執行時會出現編碼問題，設置參數，編碼格式gbk或者utf-8
      // 代碼中自執行
      // 這句是設置ffmpeg路徑，注意到bin目錄即可
      exec('set path=D:\\dev\\ffmpeg-20180903-23fe072-win64-static\\bin;%path%', { 'encoding': 'GBK' });

// 示例如下：
/* 百度ai（人工智能）接入 */

const BDAIPSDK = require('baidu-aip-sdk');
const AipSpeechClient = BDAIPSDK.speech;

const incfg = {
  appid: appid,
  apikey: apikey,
  secretkey: secretkey
};

// 新建一個對象，建議只保存一個對象調用服務接口
const client = new AipSpeechClient(incfg.appid, incfg.apikey, incfg.secretkey);

const fs = require('fs');
const os = require('os');
const exec = require('child_process').exec; // node自帶的子進程方法

/* 設置dos命令行的參數編碼格式 */
const inEncoding = "GBK";

const log = require('../util/log')('logic/baidu');

export default class Baidu {

  static async parseAudio(data) {
    let rc = null;
    try {
      if (!data) {
        return;
      }

      let indos = '';
      let indos2 = '';

      const entry = `${data.filePath}${data.fileName}`;
      const outPath = `${data.filePath}${new Date().getTime()}.pcm`;

      if (os && os.EOL === '\r\n') {
        indos = 'set path=D:\\dev\\ffmpeg-20180903-23fe072-win64-static\\bin;%path%';
        indos2 = `call ffmpeg -y  -i ${entry} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 ${outPath}`;
      } else {
        indos = 'export PATH=$PATH:/data/ffmpeg/ffmpeg-git-20180831-64bit-static';
        indos2 = `ffmpeg -y  -i ${entry} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 ${outPath}`;
      }

      log.debug('parse param：', { entry, outPath, indos, indos2 });

      await new Promise((resolve, reject) => {
        exec(indos, { 'encoding': inEncoding });
        exec(indos2, { 'encoding': inEncoding }, function (error, stdout, stderr) {
          /* log.debug('indos2',{error,stdout: iconv.decode(stdout, inEncoding),stderr: iconv.decode(stderr, inEncoding)}); */

          if (error) {
            reject(error);
          } else {
            resolve(stderr);
          }
        });
      });

      const voice = fs.readFileSync(outPath);
      log.debug('voice:', voice);

      if (voice) {
        const voiceBuffer = new Buffer(voice);

        rc = await new Promise((resolve, reject) => {
          client.recognize(voiceBuffer, 'pcm', 16000).then(function (result) {
            log.debug('parse result:', result);
            resolve(result);
          }, function (err) {
            log.debug('parse err:', err);
            reject(err);
          });
        });
      }
    } catch (e) {
      log.error('baidu parse error:', e.message);
    }

    return rc;
  }
}